本文提出了一种创新的三元注意力变换器，通过整合Triplet Attention Module，替代传统循环单元，提升了时空预测学习的效率和质量。实验结果显示，该方法在移动物体轨迹、交通流和人体动作捕捉等任务中表现优异，超越了现有技术。

该研究提出了一种基于三元注意力变换器的时空预测学习方法，通过整合Triplet Attention Module (TAM)和自注意力机制，提高了预测质量。实验证明，在多种场景下，该方法超过了现有的方法，达到了最先进水平。