transformer module | BriefGPT

关键词transformer module

搜索结果 - 10

从 CLIP 中挖掘开放语义：一种关系转换视角的少样本学习方法
通过挖掘开放语义作为锚点，并采用转换器模块进行从图像 - 锚点关系到图像 - 目标关系的关系转换，我们的方法在少样本分类设置中表现出色。
PDF15 days ago
CVPR增强病理检测的疾病描述分解：一种多方面的视觉语言匹配框架
通过咨询大型语言模型和医学专家，我们提出了一种新颖的 VLP 框架，将疾病描述分解为基本要素，利用对病理学可视表现的先前知识。通过整合 Transformer 模块，我们的方法将输入图像与疾病的多个要素进行对齐，生成以要素为中心的图像表示。
PDF4 months ago
基于图像的三维手部姿态估计的去噪扩散
本文提出了一个新颖的端到端框架，用于从单眼图像或序列中估计三维手部姿势。通过使用用于生成目的的扩散模型并引入显式的正向运动学层，我们确保生成的姿势符合实际。通过在连续帧的时间窗口上添加 Transformer 模块，我们在提升精确度的同时克
PDF10 months ago
基于时空感知图变换器的交易欺诈检测
本文提出了一种名为 STA-GT 的异构图神经网络，通过引入一种时间编码和转换器模块，来捕获时间依赖性、识别欺诈性交易和促进时空信息建模，具有改进的表现能力。在两个金融数据集上进行的实验证明了该方法在交易欺诈检测任务上的有效性。
PDFa year ago
ACL从字符到词语：分层预训练语言模型用于开放词汇语言理解
该研究引入了一种新颖的开放词汇语言模型，包含两个层次：词级和序列级，并通过对字符的表示以及全局的序列级别上下文调整，使模型直接处理字符序列，而不是子词或词级别的词汇表，取得了比强基准表现更好的效果，并且具有文本破坏和域移位的鲁棒性。
PDFa year ago
CVPR基于 Transformer 的物体布置网络 TopNet 用于图像合成
本文提出了一种使用变压器模块和稀疏对比损失函数进行物体放置的图像合成方法，可以实现快速的交互搜索和在实际场景中泛化。
PDFa year ago
CVPRPMatch：用于密集几何匹配的成对掩蔽图像建模
本文通过对预训练模块重构和加入新模块，实现了稠密几何匹配任务的最优表现，并提供了相应的代码和模型。
PDFa year ago
CVPRSemAffiNet: 基于语义仿射变换的点云分割方法
提出了一种称为 SemAffiNet 的基于 Transformer 模块的点云语义分割方法，其中采用了语义仿射变换技术来增强中层特征的语义信息，以解决传统方法中对局部几何的过度依赖，有效提高了整体分类效果。
PDF2 years ago
场景文本识别的视觉语义变换器
本文提出了一种 Visual-Semantic Transformer 的模型，通过 Transformer 模块和视觉 - 语义对齐模块从视觉特征映射中提取出主要的语义信息，然后将语义信息和视觉特征序列组合成伪多域序列，进而通过交互模块增
PDF3 years ago
Visformer：基于 Transformer 的视觉友好型模型
通过将 Transformer 模型逐步转化为基于卷积的模型，进行经验证实验表明，命名为 Visformer 的新架构比 Transformer 模型和卷积模型在 ImageNet 分类准确性方面表现更佳，尤其是当模型复杂度较低或者训练集较
PDF3 years ago