BriefGPT - AI 论文速递
·
基于多模态融合变换器的瓷砖分类视口预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于局部时空分离的Transformer块，用于视频未来帧预测，并构建了全自回归和非自回归视频预测Transformer框架。同时，引入对比特征损失来监督模型预测过程。该模型在性能上与更复杂的现有模型竞争力相当。
🎯
关键要点
- 提出了一种基于局部时空分离的Transformer块用于视频未来帧预测。
- 构建了全自回归和非自回归视频预测Transformer框架。
- 引入对比特征损失来监督模型预测过程。
- 首次在不同场景下对这两种基于注意力的视频未来帧预测模型进行正式比较。
- 所提出的模型在性能上与更复杂的现有模型竞争力相当。
🏷️
标签
➡️
