本研究提出了一种新型聚类集成方法，有效解决了基聚类结果不可靠和样本关系构造耗时之间的权衡问题。实验结果验证了该方法的有效性和效率。

本文介绍了CenterFormer，一种基于中心点的变换网络，使用查询嵌入聚合中心候选点的特征向量，并通过交叉注意力融合多帧特征。在Waymo Open数据集上，CenterFormer在单个模型上取得了73.7%的验证集和75.6%的测试集mAPH，明显优于以前的CNN和transformer方法。

本文介绍了一种名为CenterFormer的基于中心点的变换网络，使用查询嵌入聚合中心候选点特征向量，并通过交叉注意力融合多帧特征。在Waymo Open数据集上，CenterFormer在单个模型上取得了73.7%的验证集和75.6%的测试集mAPH，明显优于以前所有基于CNN和transformer的方法。

参考： ECharts.js 范例