基于学习瓶颈变换器的事件图像体素特征融合分类
原文中文，约300字，阅读约需1分钟。发表于：。该研究提出了一个新颖的双流框架，用于事件表示、提取和融合，通过利用 Transformer 和结构化图神经网络（GNN）架构，分别可以学习空间信息和三维立体信息，并引入瓶颈 Transformer 以促进双流信息的融合，通过广泛实验证明了该框架在两个广泛使用的事件分类数据集上取得了最先进的性能。
该研究提出了一个新颖的双流框架，利用Transformer和结构化图神经网络（GNN）学习空间信息和三维立体信息，并引入瓶颈Transformer促进信息融合。实验证明该框架在事件分类上取得了最先进的性能。
