Optimized Xception Architecture for Edge Devices Using Depthwise Separable and Deep Residual Convolutions
This paper proposes a modified Xception architecture, incorporating depthwise separable convolutions and deep residual connections, to optimize the model for deployment on edge devices while maintaining competitive performance in object detection tasks.
和諧的像素與旋律：大師引導的電影配樂生成與作曲風格轉移
本文提出了一種名為 HPM 的新型電影配樂生成框架，該框架利用潛在擴散模型，根據電影片段生成與其情感和語義相匹配的音樂，並能進一步根據特定作曲家的風格進行音樂生成。
HiCoM: A Novel Framework for Efficient Online Reconstruction of Streamable Dynamic Scenes Using 3D Gaussian Splatting
HiCoM is a novel framework for efficient online reconstruction of streamable dynamic scenes that leverages a hierarchical coherent motion mechanism and continual refinement to achieve faster training, reduced storage, and competitive rendering quality compared to state-of-the-art methods.
解開 Transformer 模型中梯度下降的動態變化
本文分析了單層 Transformer 模型在 Softmax 和高斯注意力機制下的損失函數，發現儘管兩種機制在特定條件下都能夠透過梯度下降達到全局最優解，但 Softmax 注意力機制更容易陷入局部最優解，而高斯注意力機制則展現出更平滑的優化過程。
自動運転・コネクテッド車両隊列における横方向隊列安定性 - リード車両と先行車両の情報に基づく新しい横方向制御フレームワーク
自動運転車両の隊列走行において、緊急レーンチェンジ（ELC）などの操縦時における隊列の横方向安定性を確保するために、先行車両だけでなく、リード車両の情報も利用した新しい横方向制御フレームワークを提案する。
픽셀과 멜로디의 조화: 마에스트로 스타일의 영화 음악 생성 및 작곡 스타일 전이 모델
본 논문에서는 새로운 영화 음악 데이터 세트와 ControlNet 기반 딥러닝 프레임워크를 사용하여 영화 장면에 어울리는 음악을 생성하고 특정 작곡 스타일을 모방하는 방법을 제시합니다.
基於深度卷積和遞迴神經網路模型的交通事故影響預測
本文提出了一種基於深度學習的模型，用於預測交通事故對周圍交通流量的影響，並引入了一種新的指標來量化事故影響。
트랜스포머의 경사 하강법 다이나믹스: Softmax와 Gaussian 커널 비교 분석
본 논문에서는 트랜스포머 모델의 최적화 과정, 특히 Softmax 및 Gaussian 커널 주의 메커니즘의 영향을 분석하여, Gaussian 커널이 더 빠른 수렴과 안정적인 성능을 보이는 반면, Softmax 커널은 특정 상황에서 지역 최적화 문제에 직면할 수 있음을 보여줍니다.
Lateral Control Design and String Stability Analysis for Autonomous Vehicle Platoons During Emergency Lane Changes
This research paper proposes a novel lateral control framework for autonomous vehicles (ACVs) in a platoon formation during an Emergency Lane Change (ELC) maneuver, ensuring lateral string stability by leveraging communicated positional data from both the lead and preceding vehicles.
심층 컨볼루션 및 순환 신경망 모델 기반 사고 영향 예측
본 논문에서는 쉽게 얻을 수 있는 실시간 데이터를 사용하여 사고 발생 후 교통 흐름에 미치는 영향을 예측하는 심층 신경망 모델을 제안합니다.
© 2024 by Linnk AI