transformer-based network | BriefGPT

关键词transformer-based network

搜索结果 - 36

基于两阶段遮罩自编码网络的室内深度完整性填充
基于 Transformer 的双步骤网络用于室内深度完成，采用自监督预训练编码器学习有效的潜在表示来填补缺失的深度值，并基于令牌融合机制从 RGB 和不完整的深度图像中完成室内深度重建。
PDF20 days ago
一种用于密集多标签动作检测的有效高效方法
通过在转换器层中嵌入相对位置编码和非分层结构来解决密集多标签场景下同时学习时间依赖和共现动作关系的挑战，并通过引入一种新的学习范式，以在推断期间不施加额外计算成本的方式显式建模时间共现动作依赖性。
PDF24 days ago
膳食管理的营养估计：基于深度感知的变形器方法
NuNet 是一种基于变压器的网络，利用食物图像的 RGB 和深度信息进行营养估计，通过多尺度架构和融合模块，实现了最低已知的 15.65% 的误差率，在饮食管理方面具有重要实用价值和跨国研究和部署的潜力。
PDFa month ago
AAAIMono3DVG: 单目图像中的三维视觉定位
我们介绍了一项新的任务，使用带有外观和几何信息的语言描述在单目 RGB 图像中进行 3D 可视定位。具体而言，我们构建了一个大规模数据集 Mono3DRefer，其中包含具有对应的几何文本描述的 3D 目标，由 ChatGPT 生成并手动改
PDF7 months ago
AAAIM3SOT：多帧、多场、多空间的 3D 单目标跟踪
3D 单目标跟踪是计算机视觉的前沿任务之一，本研究提出了一种基于点云的全新 3D 单目标跟踪框架 M3SOT，通过多个输入帧、多个感受野和多个解决空间的协同作用，从点云中直接建模时间性、上下文信息和任务，以实现高效的目标跟踪应用。M3SOT
PDF7 months ago
SceneDM：具有一致性扩散模型的场景级多智能体轨迹生成
基于扩散模型的新框架 SceneDM 旨在生成场景中各类代理（车辆、自行车、行人等）的联合一致未来行动，并通过基于 Transformer 的网络处理代理之间的相互作用，设计了简单而有效的一致扩散方法以提高模型性能，并附加了场景级评分函数来
PDF7 months ago
SKU-Patch：面向 Auto-Store 中未见物体的高效实例分割
在大规模仓库中，对于机器人的货箱拾取来说，精确的实例掩模至关重要，但往往很难获得。本文提出了一种新的基于补丁引导的实例分割解决方案 SKU-Patch，利用每个新的 SKU 仅需少量图像补丁来预测准确和稳健的掩模，避免了繁琐的手动操作和模型
PDF8 months ago
基于补丁的早期目标检测选择和优化
提出了一种基于变压器网络和扩散模型的算法，通过将图像分割成多个补丁，并选择具有不同尺度物体的补丁，详细说明小对象的细节，并尽早检测出来，以提高小目标的检测准确性和效率。
PDF8 months ago
基于 Transformer 的自由文本按键身份验证：架构和损失函数的比较研究
该论文研究了基于敲击行为的生物特征识别与验证方法，提出了一种基于 Transformer 的网络模型，通过自注意机制从敲击序列中提取信息特征，超越了传统的循环神经网络的性能。该研究探索了两种不同的网络架构，分别是双编码器和交叉编码器，并比较
PDF9 months ago
FocDepthFormer：基于 Transformer 与 LSTM 的焦点深度估计
使用 FocDepthFormer，一种基于 Transformer 的网络，通过 LSTM 模块和 CNN 解码器组成，能够从焦点 / 非焦点图像堆栈中推断深度，并在各种度的焦点 / 非焦点情况下直接捕获低级特征，通过 LSTM 与大量单
PDF9 months ago
一次性进行的无监督运动分割：对视频进行平滑长期建模
提出了一种基于长期时空模型的运动分割方法，该方法通过处理光流场序列，以无监督学习的方式提供视频中一致运动的分段，为计算机视觉任务和无监督视频表示学习提供了先决条件。
PDF9 months ago
ICCV多视角三维重建的长程分组变换器
基于 Transformer 的多视角三维重建算法中，引入长距离分组注意力机制（LGA）以处理来自不同视角的复杂图像令牌，从而提高模型学习效果，并通过进阶上采样解码器实现相对高分辨率的体素生成，实验结果验证了该方法在多视角重建中达到了 SO
PDFa year ago
PAT: 基于位置感知的稠密多标签动作检测的 Transformer
我们提出了 PAT，一种基于 Transformer 的网络，通过利用多尺度时间特征来学习视频中复杂的时间共现动作依赖关系。
PDFa year ago
细粒度边缘检测通过学习因果标记
通过使用两阶段的基于 Transformer 的网络，我们通过全局感知机制并利用注意力机制来解决细粒度边缘检测任务中的三个限制，在预测一般性边缘和细粒度边缘之间保持一致性，并在公开基准测试中取得了新的最先进结果。
PDFa year ago
基于多模态数据的手术手势分割和识别的分层半监督学习框架
通过使用多模态数据、分层半监督学习框架、基于 Transformer 的网络等方法，该研究提出了一种用于手术姿势分割和手势识别的技术，并在公开可用的 JIGSAWS 数据库上进行了评估，得到了较高的分割和识别准确度。
PDFa year ago
知识融入的深度学习实现可解释性滑坡预测
利用基于 Transformer 的深度学习网络，结合先前知识和多源数据，预测滑坡行为，提高综合性滑坡预测能力，揭示滑坡演化和时态模式的全面理解，并通过验证模型在三峡库区滑坡和青藏高原潜在滑坡的表现，证明可解释性滑坡预测有效地确定各种滑坡的
PDFa year ago
ConTrack：X-ray 设备追踪的上下文变换器
提出了一种基于转换器的网络 ConTrack，利用空间和时间上下文信息在 X 光荧光和描记术图像中进行准确的设备检测和跟踪。
PDFa year ago
CellViT: 用于精确细胞分割和分类的视觉 Transformer
介绍了一种基于 Vision Transformer 的新方法 CellViT，利用大规模的预训练模型，在 PanNuke 数据集上实现对细胞核的自动检测和实例分割的最新性能，并获得了 0.51 的平均全景质量和 0.83 的 F1 检测分
PDFa year ago
CVPRLPFormer: 多任务网络 LiDAR 姿态估计 Transformer
本文介绍了一种使用 LiDAR 和 3D 注释的姿势估计方法 LPFormer，该方法使用第一阶段的多级特征表示检测人类边界框并提取特征表示，第二阶段的基于 Transformer 的网络使用这些特征来回归人体关键点，并在 Waymo Op
PDFa year ago
SparseGNV: 利用稀疏输入视图生成室内场景的新视图
本文介绍了 SparseGNV 这个基于三个模块的学习框架，通过将 3D 结构和图像生成模型结合起来，在保持图像真实性和视角一致性的基础上生成室内场景的新视角。该模型通过大量的室内场景数据进行训练，可快速地在新的场景中生成多角度的视角，并在
PDFa year ago