transformer-based framework | BriefGPT

关键词transformer-based framework

搜索结果 - 53

FM-ViT：面部反欺诈的灵活模态视觉变压器
本文提出了一种基于 Transformer 的框架，名为 Flexible Modal Vision Transformer (FM-ViT)，用于面部防欺骗，以灵活地针对任何单模态攻击情景和可用的多模态数据。实验结果表明，单个基于 FM-
PDFa year ago
UPDExplainer：基于 Transformer 的可解释城市物理混乱检测框架
提出了一种基于转换器的 Urban Physical Disorder (UPD) 检测框架 UPDExplainer，该框架结合了视觉说明映射与语义分割映射，能够全面准确地识别导致 UPD 的确切对象，且在 Place Pulse 2.0
PDFa year ago
CVPR生成对齐的伪监督数据用于屏下摄像头图像修复
本文提出了一种基于经典立体设置的 Under-Display Camera (UDC) 图像修复数据收集方法，并通过一种新颖的基于 Transformer 的框架，解决了由于透视和景深变化导致的空间错位和 UDC 图像与普通图像之间的巨大领
PDFa year ago
显式与隐式语义排名框架
本文介绍了一种基于转换器的语义学习排序框架，Self-training Semantic Cross-attention Ranking（sRank）。在 Microsoft 的两个行业任务 Smart Reply（SR）和 Ambient
PDFa year ago
Q2ATransformer: 通过答案查询解码器提高医学 VQA
本文提出了一种名为 Q2ATransformer 的新型 Transformer 框架，将分类和生成方法的优势相结合，为医学图像问题回答系统提供了一种统一的处理方式。通过将可学习的候选答案嵌入到 Transformer 解码器中，使得我们的
PDFa year ago
对话建模预测出轨
提出一种基于分层 Transformer 的框架，结合话语级别和对话级别信息捕捉精细的上下文语义，同时考虑话语结构信息和距离变形的多任务学习方案，以实现对网络对话中马车出轨的预测。
PDFa year ago
VoxFormer：基于摄像机的稀疏体素变换器用于三维语义场景完成
本论文提出了一种基于 Transformer 的场景语义补全框架 VoxFormer，可以从 2D 图像中输出完整的 3D 体素语义，并在测试中获得了相对 20% 的几何和 18.1% 的语义方面的提升。
PDFa year ago
人类解析的深度学习技术：调查和展望
本文综述了基于深度学习的人体解析技术在图像和视频领域中的研究进展和挑战，并提出一种基于 Transformer 的高性能人体解析框架，同时还提出了未来研究的方向和待解决的问题。
PDF2 years ago
RNTrajRec：具有时空变换器的路网增强轨迹恢复
本文提出了一种基于变压器的道路网络增强轨迹恢复框架 (RNTrajRec)，其中使用 GridGNN 学习每个道路段的嵌入特征，GPSFormer 学习丰富的空间和时间特征以及一个子图生成模块来捕获轨迹中每个 GPS 点的空间特征，在三个大
PDF2 years ago
StyleNAT: 为每个注意力头提供新的视角
使用 Neighborhood Attention (NA) 技术进行图像生成，提高效率和灵活性，实现对数据的高度灵活适应。StyleNAT 在 FFHQ-256 和 FFHQ-1024 数据集上实现了新的最优成绩。
PDF2 years ago
一个基于 Transformer 的 POI 级社交帖地理定位框架
提出了基于 Transformer 的社交媒体 POI 级地理位置推测通用框架，考虑非文本数据，优化特征表示及位置捕捉，实验结果证明该框架在多项指标上均优于多种先进基线。
PDF2 years ago
CVPR针对自我视角 RGB 视频的三维手部姿态估计和动作识别的分层时间变换器
通过一个基于 transformer 的框架来利用时间信息进行动态手势和行为的鲁棒性估计，分别实现短期的手势估计和长期的行为识别，取得了较好的结果。
PDF2 years ago
透过二阶段方法构建及修饰：结构良好的钢琴演奏生成
本文提出了一种基于 Transformer 模型的两阶段框架，首先用 Compose & Embellish 方法创作出一个简单音乐谱，然后加入 Begleitungen 及其他表现手法，明显缩小了当前技术与真实表演之间的差距，同时提高了
PDF2 years ago
CVPRCMT-DeepLab：用于全景分割的聚类蒙版 Transformer
本文提出基于聚类的分割框架 Clustering Mask Transformer (CMT-DeepLab)，该框架重构了现有的用于分割和检测的 Transformer 架构；CMT-DeepLab 将对象查询视为聚类中心，这些聚类中心可
PDF2 years ago
IJCAI通过利用辅助数据进行社区问答实体链接
本文提出了一种新的任务：CQA 实体链接，通过有效利用 CQA 平台涉及的各种信息辅助数据（如平行答案、主题标签和用户等）来推进链接性能，使用一种基于 Transformer 的框架，在新发布的 CQAEL 数据集上通过实验验证了该框架的优
PDF2 years ago
CVPR通过视觉语言验证和迭代推理来改善视觉定位
本研究提出了一种基于 transformer 的视觉定位框架，通过建立文本条件的区分性特征和执行多阶段跨模态推理来实现精确的视觉定位，并提出了基于文本的视觉上下文信息编码器和多阶段解码器以实现最新的性能。
PDF2 years ago
CVPRManiTrans: 基于实体级别文本引导的图像操纵，通过基于记号的语义对齐和生成
本研究提出基于 transformer 的框架 ManiTrans 来实现文本引导下的实体级别图像操作，结合语义对齐模块和语义损失，成功应用于真实世界的数据集上，与基准方法相比实现更精密和灵活的操作。
PDF2 years ago
CVPRTransEditor: 一种基于 Transformer 的双空间 GAN 用于高度可控的人脸编辑
本文提出了一种基于 Transformer 的框架 TransEditor 以及新的双空间编辑和倒置策略，用于高度可控的面部编辑，实验证明该框架在图像质量和编辑能力上具有优越性。
PDF2 years ago
CVPR弱监督语义分割的多类别令牌变换器
本文提出了一种基于 Transformer 的新框架，用于学习类别特定的物体定位映射，作为弱监督语义分割的伪标签。通过将多个类别令牌引入 Transformer 中，实现对类别特定注意力的有效捕获，从而生成对应于不同类别令牌的类别判别性的物
PDF2 years ago
MusIAC：一种可扩展的、多级别控制的音乐补全应用的生成框架
我们提出了一种新的音乐生成框架，可用于音乐填充，在接近原始多轨音乐的情况下生成乐曲片段，借助使用了控制令牌的 Transformer-based 框架来生成具有更强的风格相似性的音乐。
PDF2 years ago