[B! classification][seq2seq] arxiv_readerのブックマーク

arxiv_reader id:arxiv_reader

classificationとseq2seqに関するarxiv_readerのブックマーク (17)

https://arxiv-check-250201.firebaseapp.com/each/2407.14920v1
arxiv_reader 2024/07/23
embedding

arXiv reaDer

arXiv

attention

dataset

seq2seq

reconstruction

satellite

classification

metric
リンク
https://arxiv-check-250201.firebaseapp.com/each/2304.14394v3
arxiv_reader 2023/08/21
この論文では、SeqTrack と呼ばれる視覚追跡用の新しいシーケンス間学習フレームワークを紹介します。ビジュアルトラッキングをシーケンス生成の問題としてキャストし、オブジェクトのバウンディングボ

transformer

autoregressive

seq2seq

learning

tracking

classification

arXiv reaDer

loss function

arXiv

benchmark
リンク
アラビア語のオフライン手書きテキスト認識のためのトランスフォーマーベースのアプローチ
arxiv_reader 2023/07/28
手書き認識は、パターン認識と機械学習の分野における挑戦的かつ重要な問題であり、幅広い分野に応用されています。このペーパーでは、オフラインのアラビア語手書きテキストの認識という特定の問題に焦点を当てま

RNN

classification

arXiv

pre-training

transformer

seq2seq

arXiv reaDer

domain

CNN

attention
リンク
SeqTrack: 視覚オブジェクト追跡のためのシーケンスからシーケンスへの学習
arxiv_reader 2023/04/28
この論文では、SeqTrack と呼ばれる視覚追跡用の新しいシーケンス間学習フレームワークを紹介します。ビジュアルトラッキングをシーケンス生成の問題としてキャストし、オブジェクトのバウンディングボ

arXiv reaDer

arXiv

classification

autoregressive

seq2seq

learning

transformer

loss function

benchmark

tracking
リンク
DiMBERT: 絡み合っていないマルチモーダル注意を使用して、視覚言語に基づいた表現を学習する
arxiv_reader 2022/11/01
視覚と言語 (VL) タスクでは、システムが視覚コンテンツと自然言語の両方を理解する必要があるため、視覚と言語のきめの細かい共同表現 (別名 VL 表現) を学習することが最も重要です。最近、VL 表

arXiv

seq2seq

classification

dataset

disentangling

captioning

pre-training

arXiv reaDer

attention

BERT
リンク
Transformerを使用した視覚表現学習：シーケンス間の視点
arxiv_reader 2022/07/20
視覚表現学習は、さまざまな視覚問題を解決するための鍵です。独創的なグリッド構造の優先順位に依存して、畳み込みニューラルネットワーク（CNN）は、ほとんどのディープビジョンモデルの事実上の標準アーキテク

semantic segmentation

attention

seq2seq

classification

CNN

arXiv

representation learning

transformer

detection

arXiv reaDer
リンク
サーフェスビジョントランスフォーマー：生物医学的表面の柔軟な注意ベースのモデリング
arxiv_reader 2022/04/08
コンピュータービジョンタスクにおけるビジョントランスフォーマー（ViT）の最近の最先端のパフォーマンスは、長距離自己注意を実装する汎用アーキテクチャが、畳み込みニューラルネットワークの局所的な特徴学習

arXiv

arXiv reaDer

attention

classification

computer vision

seq2seq

transformer

augmentation

domain

CNN
リンク
弱教師あり時間的行動ローカリゼーションのためのきめ細かい時間的対照学習
arxiv_reader 2022/04/01
モデルトレーニング中にビデオレベルのアクションラベルのみが使用可能である、弱教師ありアクションローカリゼーション（WSAL）のタスクを対象としています。最近の進歩にもかかわらず、既存の方法は主に分類ご

localization

arXiv

arXiv reaDer

contrastive learning

seq2seq

differentiable

benchmark

weakly-supervised

bias

classification
リンク
CTCプレフィックスを使用したテキスト行認識のためのシーケンス間モデルのスコアリング
arxiv_reader 2022/03/30
コネクショニスト時分類（CTC）アプローチとは対照的に、手書きテキスト認識（HTR）のシーケンス間（S2S）モデルには、シーケンスの最後で頻繁に発生する単語のスキップや繰り返しなどのエラーが発生します

CNN

synthesis

seq2seq

arXiv reaDer

attention

LSTM

transformer

classification

arXiv
リンク
OFA：単純なシーケンス間学習フレームワークによるアーキテクチャ、タスク、およびモダリティの統合
arxiv_reader 2022/02/08
この作業では、複雑なタスク/モダリティ固有のカスタマイズの足場を壊すために、マルチモーダル事前トレーニングの統一されたパラダイムを追求します。モダリティ（クロスモダリティ、ビジョン、言語など）とタスク

arXiv reaDer

BERT

domain

VQA

arXiv

classification

captioning

learning

seq2seq
リンク
インフルエンス関数のスケールアップ
予測をトレーニングデータに追跡するための影響関数の効率的な計算に取り組みます。アーノルディ法に基づく逆ヘッセ計算を高速化するための新しいアプローチを提案し、分析します。この改善により、私たちの知る限り、数億のパラメーターを持つフルサイズ（言語およびビジョン）のTransf ormerモデルにスケーリングする影響関数の最初の実装に成功しました。数千万から数億のトレーニング例を使用して、画像分類とシーケンス間のタスクに関するアプローチを評価します。私たちのコードはhttps://github.com/google-research/jax-influenceで入手できます。 We address efficient calculation of influence functions for tracking predictions back to the training data. We p
arxiv_reader 2021/12/07
予測をトレーニングデータに追跡するための影響関数の効率的な計算に取り組みます。アーノルディ法に基づく逆ヘッセ計算を高速化するための新しいアプローチを提案し、分析します。この改善により、私たちの知る限り

arXiv reaDer

arXiv

seq2seq

classification

tracking

transformer
リンク
CTCプレフィックスを使用したテキスト行認識のためのシーケンス間モデルのスコアリング
arxiv_reader 2021/10/13
コネクショニスト時分類（CTC）アプローチとは対照的に、手書きテキスト認識（HTR）のシーケンス間（S2S）モデルには、シーケンスの最後で頻繁に発生する単語のスキップや繰り返しなどのエラーが発生します

arXiv reaDer

seq2seq

synthesis

classification

LSTM

arXiv

CNN

attention

transformer
リンク
ポーズトランスフォーマー（POTR）：非自己回帰トランスフォーマーを使用した人間の動きの予測
arxiv_reader 2021/09/17
非自己回帰の人間の動きの予測にTransformerアーキテクチャを活用することを提案します。私たちのアプローチは、最先端のRNNベースのアプローチなどの以前の予測を条件付けるのではなく、クエリシーケ

3D

classification

activity

transformer

human

arXiv

pose

arXiv reaDer

seq2seq

dataset
リンク
シーンテキスト認識に関する分類の視点の再考
arxiv_reader 2021/06/15
シーンテキスト認識の一般的な視点は、シーケンスからシーケンス（seq2seq）およびセグメンテーションです。それにもかかわらず、前者は実装と展開を複雑にする多くのコンポーネントで構成されていますが、後

pooling

segmentation

seq2seq

benchmark

classification

arXiv

arXiv reaDer
リンク
野生での指文字認識のためのきめ細かい視覚的注意アプローチ
arxiv_reader 2021/05/18
手話での指文字は、専用の手話ジェスチャーがない場合に、専門用語と固有名詞を伝達する手段でした。指文字の自動認識は、聴覚障害者と対話する際のコミュニケーションの障壁を解決するのに役立ちます。指文字認識で

transformer

gesture

video

optical flow

dataset

seq2seq

classification

attention

arXiv reaDer

arXiv
リンク
シーンテキスト認識に関する分類の視点の再考
arxiv_reader 2021/02/23
シーンテキスト認識の一般的な視点は、シーケンスからシーケンス（seq2seq）およびセグメンテーションです。本論文では、シーンテキスト認識の新しい視点を提案し、シーンテキスト認識を画像分類問題としてモ

pooling

arXiv reaDer

classification

CNN

segmentation

arXiv

seq2seq

benchmark
リンク
3D人間の動きの予測と分類
arxiv_reader 2021/01/01
人間の動きの予測と理解は難しい問題です。人間の動きの複雑なダイナミクスと将来の予測の非決定論的側面のため。人間の動きのアニメーションからインスピレーションを得て、複数の予測された動きの間の変動を制御で

seq2seq

action recognition

loss function

arXiv

pose

arXiv reaDer

estimation

3D

classification

GAN
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

j次のブックマーク

k前のブックマーク

lあとで読む

eコメント一覧を開く

oページを開く

設定を変更しましたx