TAFormer：面向航拍场景中视频和运动联合预测的统一目标感知 Transformer
原文中文，约1700字，阅读约需5分钟。
📝
内容提要
本文介绍了多种基于Transformer的模型，如AgentFormer、VT-Former和AerialFormer，应用于多智能体行为预测、车辆轨迹预测和航空影像分割等领域。这些模型在各自的数据集上表现出色，展示了Transformer在不同任务中的广泛适用性和鲁棒性。
❓
Q&A
AgentFormer 模型的主要功能是什么？
AgentFormer 模型能够联合模拟时间和社交两个维度，用于多智能体行为预测。
VT-Former 在车辆轨迹预测方面的表现如何？
VT-Former 在多个基准数据集上表现出色，具有最先进的性能和良好的普适性与鲁棒性。
AerialFormer 是如何应用于航空影像分割的？
AerialFormer 融合了 Transformers 和轻量级 MD-CNNs，应用于航空影像分割，并在多个数据集上表现优于之前的方法。
TrackFormer 的工作原理是什么？
TrackFormer 是一种端到端可训练的多目标追踪方法，利用注意力机制实现数据关联。
GloTSFormer 在视频文本定位方面的优势是什么？
GloTSFormer 通过高斯 Wasserstein 距离指导视频文本定位，显著提高了 MOTA 指标。
ASFormer 模型解决了哪些问题？
ASFormer 解决了动作分割任务中的问题，通过局部连接归纳先验和精心设计的解码器来提升性能。
🏷️
