Mesa 24.3 Radeon VCN 为 AV1 编码器添加了 HDR 元数据支持
原文约500字，阅读约需2分钟。发表于：。最新的开源 AMD Radeon 驱动程序前端视频加速改进报告是 Mesa 24.3-devel 支持在 AV1 编码器中传递 HDR 元数据。 新合并到 Mesa Git 中的代...
AMD Radeon驱动程序支持在AV1编码器中传递HDR元数据。这项改进已被纳入Mesa Git，将于下一季度发布v24.3。
标签
编码器
相关的文章：探索编码器在胸部CT分割预训练、轨迹隐私保护、神经机器翻译等领域的应用。了解基于器官对比的半遮罩自编码器、联邦变分自动编码器、多语言编码器等方法。
DarSwin-Unet: 扭曲感知编码器 - 解码器结构
原文约300字，阅读约需1分钟。发表于：。本文介绍了一种基于径向变换器架构的编码器 - 解码器模型，该模型适应宽角镜头的畸变，并在像素级任务中表现出更强的能力，提供了一种增强在广角鱼眼图像中处理像素级任务效果的方法，相较于其他基线模型，在不同数据集上表现出了最佳结果，在受限程度的畸变（很低、低、中等、高）训练和包括非分布畸变在内的所有测试中均取得了显著的增益，通过广泛的实验证明了其在深度估计中的性能，并且可以零次适应不同广角镜头的未知畸变。
本文介绍了一种基于径向变换器架构的编码器 - 解码器模型，适应宽角镜头的畸变，并在像素级任务中表现出更强的能力。通过实验证明了其在深度估计中的性能，并且可以适应不同广角镜头的未知畸变。
SEDS：用于手语检索的语义增强双流编码器
原文约200字，阅读约需1分钟。发表于：。提出了一种名为 SEDS 的新型手语表示框架，利用姿势和 RGB 模态来表示手语视频的局部和全局信息，并通过 Cross Gloss Attention Fusion 模块实现了更好的上下文感知融合，最终实现了对各种数据集的显著优于现有方法的结果。
SEDS是一种新型手语表示框架，利用姿势和RGB模态来表示手语视频的信息。通过Cross Gloss Attention Fusion模块实现上下文感知融合，取得了比现有方法更好的结果。
跨越前进：通过 JumpReLU 稀疏自编码器提高重建保真度
发表于：。通过在语言模型（LM）激活中使用 JumpReLU SAEs，本文在给定的稀疏度水平上实现了与其他最新进展（如 Gated 和 TopK SAEs）相比更高的重构准确性，并证明了这种改进不会损害解释性。
规范扩散自编码器：应用于肌萎缩性侧索硬化
发表于：。通过引入规范扩散自动编码器框架，利用磁共振成像数据、规范建模和扩散模型，预测肌萎缩侧索硬化症患者的生存率，并在该领域中展示出了具有进一步预测准确性的优势。
分解的向量量化变分自编码器用于人类抓握生成
发表于：。通过将手部分解为几个不同的部分并分别对其进行编码，我们提出了一种新的分解量化变分自编码器（DVQ-VAE）来生成逼真的人类抓取。与现有方法相比，这种分解架构可以更精确地管理手的每个组成部分和对象之间的交互，并通过首先确定骨骼物理约束下的抓取类型，然后确定抓取的位置的两阶段译码策略，提高模型对未知手 —...
SA-DVAE：通过解耦可变自动编码器提升零样本基于骨骼的动作识别
原文约300字，阅读约需1分钟。发表于：。通过语义特征分离和具有总校正惩罚的模态特定变分自动编码器，我们的方法 SA-DVAE 解决了动作识别数据集中的不平衡问题，并在三个基准数据集上取得了优异的性能。
该研究提出了一种多语义融合模型，用于提高广义零样本基于骨骼的动作识别性能。该模型通过采集两种类级文本描述作为辅助语义信息，增强通用骨骼特征的学习能力。利用预训练的语言编码器和骨骼编码器提取富有语义特征的动作类别和骨骼特征，并通过生成模块学习骨骼和语义特征之间的跨模态对齐。最后，通过分类模块识别输入样本的动作类别，并采用分类门来预测样本是否来自已知动作类别。该模型在广义零样本基于骨骼的动作识别中表现出卓越性能。
基于多架构编码器和特征融合的面部情感识别 ——ABAW7 挑战赛
原文约300字，阅读约需1分钟。发表于：。本文介绍了我们在第七次 ABAW 比赛中应对挑战的方法。比赛包括三个子挑战：情绪价值（VA）估计、表情（Expr）分类和动作单元（AU）检测。为了解决这些挑战，我们采用了先进的模型来提取强大的视觉特征。随后，我们利用 Transformer 编码器来整合这些特征，用于 VA、Expr 和 AU...
该研究提出了一种基于Transformer的新框架，通过使用Vision Transformer和Transformer模型，实现了情感估计、面部表情识别和动作元检测。引入了随机帧遮罩的学习技术和Focal损失的应用，增强了情绪和行为分析的准确性和适用性。预计对情感计算和深度学习方法的发展有所助益。
AU-vMAE：通过视频遮罩自编码器实现动作单元检测的知识引导
原文约400字，阅读约需1分钟。发表于：。通过利用多标签的面部行动单元和时间标签一致性，采用视频级预训练方案，在训练中更好地建模大量多样性的面部结构和动作，并利用 AU 对状态矩阵进行训练，达到显著改善 BP4D 和 DISFA FAUs 数据集中的识别性能。
本文介绍了一种从同步多视角视频中进行自监督学习的方法，通过交叉视角重构任务向模型注入几何信息。该方法在多个数据集上取得了最先进的结果，并证明了其鲁棒性。
基于多通道掩码自编码器与综合评估的任意单导联心电图重建
原文约200字，阅读约需1分钟。发表于：。该研究提出了一种多通道掩码自编码器（MCMA）方法，通过从真实的单导联心电图中重建 12 导联心电图，减少其临床重要性差距；并引入了名为 ECGGenEval 的全面评估基准，包括信号级、特征级和诊断级评估，实现了 12 导联心电图信号和生成模型的全面评估，取得了最先进的性能。
该研究提出了一种多通道掩码自编码器（MCMA）方法，用于重建 12 导联心电图，减少其临床重要性差距。引入了名为 ECGGenEval 的全面评估基准，包括信号级、特征级和诊断级评估，实现了 12 导联心电图信号和生成模型的全面评估，取得了最先进的性能。
