transformer network | BriefGPT

关键词transformer network

搜索结果 - 54

HOPE: 基于强化学习的混合策略路径规划方法用于多样化停车场景
本文介绍了一种新颖的解决方案，Hybrid POlicy Path plannEr (HOPE)，它将基于强化学习的智能体与 Reeds-Shepp 曲线集成在一起，在不同的场景中实现有效的路径规划。通过采用变压器作为网络结构来融合环境信息
PDFa month ago
使用 Transformer 在潜空间中进行流匹配的收敛性分析
我们研究了基于 ODE 的生成模型（特别是流匹配），通过使用预训练的自编码网络将高维原始输入映射到低维潜在空间，再通过训练一个转换网络来预测从标准正态分布到目标潜在分布的变换速度场。我们的误差分析证明了这种方法的有效性，显示出通过估计 OD
PDF3 months ago
SASQuaTCh：一种带有基于核的自注意力的新型变分量子变换器架构的学习
利用基于核操作学习的自我注意力机制的量子电路，我们提出了 Self-Attention Sequential Quantum Transformer Channel (SASQuaTCh) 模型，该模型能够有效地表示视觉变换网络的深层特征，
PDF3 months ago
KDD通过全局和局部关系交互进行欺诈检测
关系感知图神经网络与变形器网络结合，同时将本地和全局特征嵌入目标节点，通过注意力融合模块和跳跃连接将全局嵌入与本地嵌入合并，在两个公共数据集和一个工业数据集上验证了其卓越性能。
PDF4 months ago
一体化：RGB、RGB-D 和 RGB-T 显著目标检测
提供了一个统一解决 RGB、RGB-D 和 RGB-T 三种数据类型的显著目标检测任务的创新模型框架，并基于此框架提出了一个高速高性能的轻量级 SOD 模型 AiOSOD。
PDF7 months ago
渐进反馈增强转换器用于图像篡改定位
我们提出了一种 Progressive FeedbACk-enhanced Transformer (ProFact) 网络，用于实现粗细图像伪造定位。该网络通过自适应反馈，将初步分支网络生成的粗定位图传递给早期 Transformer 编
PDF7 months ago
SHARCS: 通过动态宽度子网络进行有效的 Transformer 路由
SHARCS 是一种自适应推理方法，通过考虑输入样本的难度，训练了一个路由器来将不同样本定向到具有不同宽度的子网络，实验证明，SHARCS 在准确性与 FLOPs 方面优于或补充了现有的逐样本自适应推理方法，能够泛化到不同的架构，甚至应用于
PDF8 months ago
CINFormer: 多阶段 CNN 特征注入的 Transformer 网络用于表面缺陷分割
通过使用多阶段 CNN 特征注入的 Transformer 网络，我们提出了一种名为 CINFormer 的 UNet 结构，以实现表面缺陷分割。CINFormer 在编码器中采用了简单而有效的特征整合机制，将输入图像的多层级 CNN 特征
PDF9 months ago
ICCV人类中心视频中基于知识引导的短上下文动作预测
本文通过将符号性知识图谱融入变换网络，提高了视频段期望动作的预测准确性，从而加快了编辑工作流程，并通过提供叙事建议来促进创造力。在 Breakfast 和 50Salads 两个基准数据集上，我们的方法在使用短视频上下文进行长期动作预测方面
PDF10 months ago
DeViL: 将视觉特征解码为语言
我们提出了 DeViL 方法，该方法利用后续解释方法在深度神经网络决策过程中提供了自然语言描述，通过将视觉特征解码为语言，突显了不同层次的网络中视觉特征的归属位置，并在图像和文本之间进行转换，生成视觉网络不同层次的文本描述。
PDF10 months ago
一种辅助引入语义信息的多模态视觉编码模型
基于刺激图像和相关文本信息的多模态视觉信息编码网络模型，将口头语义信息作为新信息嵌入视觉编码模型，通过 Transformer 网络对图像和文本特征信息进行对齐，构建多模态特征空间。实验结果表明该模型的性能优于先前的模型，并且消融实验证明我
PDF10 months ago
基于预训练语言模型的知识感知协同过滤用于个性化基于评论的评分预测
为解决个性化基于评论的评分预测中的问题，提出了一种名为 KCF-PLM 的知识感知协同过滤与预训练语言模型的方法，将评论文本、方面、知识图和预训练语言模型结合起来，通过表示传播和用户 - 物品引导关注来模拟用户 - 物品交互，实验证明了 K
PDFa year ago
CoTracker: 更好的一起追踪
该论文提出了一种名为 CoTracker 的架构，它利用了光流和跟踪文献中的几个思想，基于变压器网络来模拟不同点在时间上的相关性，可以在一个视频中联合跟踪多个点，支持在任何时候添加新的跟踪点。该算法在几乎所有基准测试中都优于最先进的方法。
PDFa year ago
使用实体抽取和神经重新排序有效地匹配患者与临床试验
利用数据增强和以 Transformer 网络为基础的检索重排技术，在临床试验中解决了招募病人问题，并取得了 15% 的精度提升，而 proposed re-ranking schema 即使训练数据较少也有良好的效果表现。
PDFa year ago
基于螺旋自编码器和 Transformer 网络的 MoCap 3D 人体动作识别
文章提出了一种基于 Spiral 自编码器和 Transformer 网络的新型固定拓扑网格序列的人体动作识别方法 SpATr，该方法通过融合空间和时间的解耦、自编码器和 Transformer 网络等手段，达到了高效且准确识别三维人体动作
PDFa year ago
MSW-Transformer: 多尺度平移窗口变换网络用于 12 导联心电图分类
提出了一种称为 MSW-Transformer 的单层 Transformer 网络，它使用多窗口滑动注意机制在不同尺度上捕获不同维度的信号特征，进而进行心电图分类诊断，该模型在 5 项分类任务中均取得了最先进的表现。
PDFa year ago
基于 3D 变压器去噪扩散模型的合成磁共振成像计算机断层成像
使用具有转换器的漫反射概率模型（MC-DDPM）将磁共振成像（MRI）转换为高质量的合成计算机断层扫描（sCT），以便于放射治疗计划，并通过消除 CT 模拟和具有误差的图像配准，从而减少患者的辐射剂量和设置不确定性。
PDFa year ago
IJCAI基于分层时空 Transformer 的长期风力预测
本文提出了一种新的基于 Transformer Network 的 Hierarchical Spatial-Temporal Transformer Network（HSTTN）模型，利用空间和时间特征增强长期风力发电预测。实验结果表明，
PDFa year ago
GNCformer 增强的自注意力机制用于自动语音识别
本文提出了增强的自注意机制（ESA）用于鲁棒特征提取，并将其融合到 Transformer 网络的编码层中进行自动语音识别（ASR）任务，这一新模型被命名为 GNCformer。通过 Aishell-1 和 HKUST 数据集的实验证明，G
PDFa year ago
基于注意力机制的 Transformer 网络用于量子态重构
通过利用 Transformer 模型来捕捉不同测量结果之间的相关性，本研究提出了一种基于注意力机制的量子状态重构方法，能够高效地恢复纯态和混合态的密度矩阵。
PDFa year ago