关键词spatiotemporal learning
搜索结果 - 4
- FairSTG: 通过协作的样本级优化来对抗性能异质性
该研究论文提出了一种面向公平性的模型无关的时空图学习框架(FairSTG),利用先进样本与挑战性样本之间的协同混合来解决不公平的时空学习中的性能异质性问题,从而提高公平性质量并保持可比较的预测准确性,并能够通过样本级的检索和补偿对空间和时间 - ComS2T: 适用于数据自适应模型演化的补充时空学习系统
通过引入一种基于提示的互补时空学习方法 ComS2T,该方法将神经结构分为稳定的新皮层和动态的海马体,从而实现模型对数据适应性的进化。通过训练空间和时间提示来使提示适应新数据,结合两阶段训练过程,实现了在测试期间的高效适应性,有效地适应不同 - 半监督元学习的时空学习
应用元学习于自监督遮蔽自编码器以实现时空学习的研究中,我们通过三个步骤进行探索。我们测试了应用元学习于现有先进表示学习架构的影响,并通过三种方法进行时空学习的测试,分别是仅应用元学习架构、仅应用表示学习架构,以及应用表示学习与元学习架构的组 - CVPR3D CNN 中的时空融合:基于概率视角的探讨
本研究提出将时空融合策略转换为概率空间,并在此基础上生成新的时空融合策略,从而实现对各种融合策略的网络级评估,以及获得关于时空融合的层级偏好的细粒度数值信息。该方法显著提高了时空融合的分析效率,并在四个著名的行动识别数据集上取得了最先进的性