spatial-temporal features | BriefGPT

关键词spatial-temporal features

搜索结果 - 11

ColorMNet：基于记忆的深度时空特征传播网络用于视频上色
如何有效地探索时空特征对于视频着色至关重要。我们开发了基于内存的特征传播模块，它可以与来自相隔较远的帧的特征建立可靠的连接并减轻不准确的估计特征的影响。为了从每个帧中提取更好的特征，我们使用大型预训练视觉模型来指导每个帧的特征估计，使得估计
PDF3 months ago
WSDMMultiSPANS：一个用于交通预测的多范围时空 Transformer 网络通过结构熵优化
我们提出的 MultiSPANS 框架通过使用多过滤卷积模块生成信息丰富的 ST-token 嵌入来捕捉复杂的多尺度依赖关系，借助 Transformers 来捕捉长时空距离依赖，并引入结构熵理论优化空间注意机制，进一步提出了相对结构熵位置
PDF8 months ago
用于多模态人类活动识别的蒸馏中融合 Transformer 网络
本文提出了一种基于知识蒸馏的多模态中融合方法，即 DMFT，以在多模态人类活动识别任务中进行信息特征提取和融合，解决深度学习方法无法充分探索跨多模态信息融合的问题，并通过评估表明该方法在有效性，可扩展性和鲁棒性方面均取得了有竞争力的表现。
PDFa year ago
ICCV使用骨骼云彩色化进行自监督的 3D 动作表示学习
本文提出了一种自监督的方法，设计了一种新颖的骨骼云着色技术，并通过骨骼序列数据的无标签学习学习骨骼的空间和时态表示。该方法在不同配置下训练的线性分类器上评估，并在多个数据集上进行了广泛的实验。结果表明，该方法在无监督和半监督 3D 动作识别
PDFa year ago
CVPRTBP-Former: 学习视觉中心自动驾驶联合感知和预测的时间视角金字塔
通过提出基于时间的俯视图金字塔变换器 (TBP-Former)，实现了自动驾驶中多个摄像头视图和时间戳的特征同步以及对空间 - 时间特征的优化，从而在 nuScenes 数据集上表现优于所有最先进的基于视觉的预测方法。
PDFa year ago
AAAI自我强调网络用于连续手语识别
本文提出自我强调网络（SEN）以突出信息区域提高手语和面部表情识别精度，通过轻量级子网络和注意力图动态增强特征，并用时序自我强调模块自适应突显关键帧，以减少计算量和昂贵的监督。基于 PHOENIX14，PHOENIX14-T，CSL-Dai
PDF2 years ago
多源视频领域自适应：时间注意力动态对齐
本文介绍了一种新的 Temporal Attentive Moment Alignment Network 模型，针对 Multi-Source Video Domain Adaptation 问题，通过动态对齐空间和时间特征矩阵，同时构建
PDF3 years ago
层次化解耦空间 - 时间对比用于自监督视频表征学习
提出一种新的自监督视频表示学习技术，通过将学习目标分解为两个对比子任务并分层进行，强调空间和时间特征，从而鼓励多尺度理解。通过实验表明，可以将增强作为规则化进行操作来指导网络在对比学习中学习所需的语义，并提出一种方式，使模型可以在多个尺度上
PDF4 years ago
骨架动作识别的反馈图卷积网络
本文提出了反馈图卷积网络（FGCN）来进行骨架动作识别，FGCN 通过多阶段的时间采样策略和基于稠密连接的反馈图卷积模块，实现了全局空间 - 时间特征的建模，并独创性地提出了早期预测的概念来引导后续特征的学习，实验结果在三个数据集上表现出了
PDF4 years ago
ICCV高效动作识别的组合空时聚合
本文提出一种名为 “grouped spatial-temporal aggregation” 的新型分解方法，将特征通道分解成空间和时间分组并在并行处理。实验证明，该方法在需要时序推理的动作识别任务上具有更加高效的性能。
PDF5 years ago
ECCVYouTube-VOS: 序列到序列视频物体分割
本文介绍了一个基于大规模数据集的序列 - 序列网络，能够充分利用视频的长期时空信息进行分割，在 YouTube-VOS 测试集上取得了最佳结果，在 DAVIS 2016 上与现有最先进方法相比也有可比性。
PDF6 years ago