visual transformer | BriefGPT

关键词visual transformer

搜索结果 - 7

基于 Transformer 的 RGB-T 跟踪及通道和空间特征融合
RGB-T 跟踪中，如何更好地融合跨模态特征是核心问题。本文利用直接融合跨模态通道与空间特征的方法，提出了 CSTNet，使用 ViT 作为主干，并插入了跨模态通道特征融合模块和跨模态空间特征融合模块，实现了 RGB 和 TIR 特征的直接
PDF2 months ago
学习多轴频域表示在医学图像分割中的应用
基于 U-shape 结构的 Multi-axis External Weights UNet 模型利用频域信息替代 ViT 中的自注意力机制，在医学图像分割中展现出竞争性能。
PDF6 months ago
Sketch2CADScript：基于 Visual Transformer 和 Rhino Grasshopper 的 2D 素描到 3D 场景重建
本文介绍了一种新颖的 3D 重建方法，利用视觉转换器从单一线框图中预测 “场景描述符”，该描述符包含了关键信息，如物体类型、位置、旋转和大小参数，通过使用类似 Blender 或 Rhino Grasshopper 的可编程界面的 3D 建
PDF9 months ago
CFI2P: 粗到精的跨模态对应学习用于图像到点云匹配
本研究提出了一种基于粗 - 精匹配的框架，在该框架中，将图片和点云转化为局部表示，并利用了 attention 来捕捉全局和跨模态上下文，并通过设计良好的采样和精细匹配来细化点到像素的对应关系，从而解决了图像与点云匹配的问题，并在大规模室外
PDFa year ago
从 2D 视觉 Transformer 开始解决 3D 视觉任务？
本文提出一种通用的视觉转换器（Visual Transformer），名为 Simple3D-Former，可用于高效地进行 2D 和 3D 任务的训练和预测，并且相比高度定制的 3D 特有设计实现了惊人的鲁棒性，同时利用大规模现实 2D
PDF2 years ago
ECCV基于 Transformer 的弱监督目标定位及隐式空间校准
该论文介绍了一种用于高精度弱监督下物体定位的外部模块 —— 空间校准模块（SCM），用于调整 Transformer 的长程建模，以帮助捕捉物体的空间一致性，提高训练期间的信息传输效率和生成的注意力图的边界精度，从而显着提高了性能表现。
PDF2 years ago
视觉 Transformer：面向计算机视觉的基于令牌的图像表示和处理
本文通过使用视觉 Transformer 在语义标记空间中密集地建模标记关系并减少卷积计算量，从而在 ImageNet top-1 和 LIP，COCO-stuff 图像分割测试上表现出了显着的优势。
PDF4 years ago