transformer encoder-decoder | BriefGPT

关键词transformer encoder-decoder

搜索结果 - 12

GPTSee: 通过基于描述的相似特征增强时刻检索和亮点检测
通过将生成的视频描述和查询语句在第二阶段的 Transformer 编码器 - 解码器中计算语义相似度并将高相似度的视频帧转换为位置信息，我们的方法在时刻检索和重点检测任务中表现出色，超过了传统方法 Moment-DETR 的定位准确性。
PDF4 months ago
AAAI一种自回归的文本到图形框架用于联合实体和关系抽取
我们提出了一种新的方法，将无结构文本中的实体和关系提取作为条件序列生成问题，采用基于跨度的方法生成线性化图，其中节点表示文本跨度，边表示关系三元组。通过跨度表示，我们的模型可以捕捉实体和关系的结构特征和边界，并通过指向机制将生成的输出与原始
PDF6 months ago
4M：大规模多模态蒙版建模
通过提出一种名为 4M 的多模态训练方案，将文本、图像、几何和语义模态，以及神经网络特征图等多种输入 / 输出模态统一到一个 Transformer 编码器 - 解码器模型中进行训练，论文展示了 4M 在训练多功能且可扩展的视觉基础模型方面
PDF7 months ago
SwinDocSegmenter：一种端到端的统一领域自适应变压器用于文档实例分割
本文提供了一个用于端到端的文档图像中的复杂布局的实例级分割的统一 Transformer 编码器 - 解码器架构，并且在对 PubLayNet，PRIMA，Historical Japanese（HJ）和 TableBank 等竞争基准的广
PDFa year ago
ICCVAdaPoinTr: 自适应几何感知 Transformer 的多样化点云完形填空
本文提出了一种新的方法，将点云补全问题转化为集合转换问题，并设计了一种名为 PoinTr 的新模型，采用 Transformer 编码器 - 解码器架构进行点云补全。通过将点云表示为带有位置嵌入的无序点组的集合，我们将输入数据转换为点代理的
PDFa year ago
听觉遮盖自编码器
本文研究了基于图像的 Masked Autoencoder（MAE）的简单扩展，用于从音频频谱图进行自监督表示学习，并提出了 Audio-MAE 模型，该模型利用 Transformer 编码器 - 解码器设计，使用高掩蔽率编码音频频谱图，
PDF2 years ago
CVPR基于自注意力机制的部位感知 Transformer 技术在遮挡人物再识别中的应用
通过基于变压器编解码器架构的多元部分发现，包括基于像素上下文的变压器编码器和基于部分原型的变压器解码器，我们提出了一种新的端对端的面向部分的变压器，用于处理拥挤情景中受遮挡的人物重识别。实验结果表明，提出的方法在三个任务（受遮挡，部分和整体
PDF3 years ago
ACL面向情感感知的对话响应生成的生成与分类多任务学习
本文提出了一种基于 BART 的神经响应生成模型，通过多任务学习生成和分类，并注重情感，在对生成响应的同时识别情感。自动评估和众包手动评估显示，该模型使生成的响应更富有情感意识。
PDF3 years ago
使用 Transformer 进行端到端可训练的多实例姿态估计
本研究提出了一种称为 POET（POse Estimation Transformer）的端到端可训练的多实例姿态估计方法，通过将卷积神经网络与变压器编解码器结合，直接将多实例姿态估计从图像中预测出来。我们使用一种新的全局集合损失来训练 P
PDF3 years ago
注意事实：知识增强的连贯抽象文本摘要
本文提出了一种新颖的基于 Transformer 编码器 - 解码器结构的体系结构，通过将实体级知识与来自 Wikidata 的结构全球知识结合，改善了摘要不够准确和连贯的问题，实验证明该模型对长文本摘要具有较好的 ROUGE 分数的提高效
PDF4 years ago
Mask CTC：基于 CTC 和 Mask 预测的非自回归端到端 ASR
本文提出了 Mask CTC 框架，它是一种新颖的非自回归端到端自动语音识别（ASR）框架，它通过加强 CTC 的输出来生成序列，并使用 Transformer 编码器 - 解码器进行训练。实验结果表明，相比标准的 CTC 模型，Mask
PDF4 years ago
ECCV基于对象上下文的语义分割表示的分割变换器
本文探讨用上下文汇聚策略解决语义分割问题，提出了一种基于特定物体上下文表示的简单而有效的方案，并采用变压器编码器 - 解码器框架进行方案实现。
PDF5 years ago