Entrar
insight - 3D-Computervision, Sprach-Bild-Verarbeitung
Semantisch-verstärkte 3D-visuelle Verankerung durch kreuzmodale Graphaufmerksamkeit
Das vorgeschlagene Modell SeCG verbessert die Leistung bei der 3D-visuellen Verankerung, insbesondere bei Beschreibungen mit mehreren referenzierten Objekten, durch semantisch verstärkte relationale Lernmethoden auf Basis eines Graphaufmerksamkeitsnetzwerks.
Ein semantisch angereichertes 3D-Visuelle-Verankerung-Modell mit Kreuzmodaler Graphaufmerksamkeit
Ein semantisch angereichertes Modell auf Basis eines Graphaufmerksamkeitsnetzwerks, das die Beziehungen zwischen Objekten in 3D-Szenen besser erfasst und so die Zuordnung von Sprache zu visuellen Informationen verbessert.
Produtos
© 2024 by Linnk AI