本文介绍了一种基于Transformer的神经预测框架，用于模拟车辆社交关系和预测轨迹。研究提出了多模态注意机制、异质图策略模型和动态图注意力网络，显著提高了运动预测的精度和可解释性，并在多个数据集上展示了优越性能，具有实际应用潜力。

本文探讨了基于Efficient Attention的模型在自动驾驶运动预测中的应用，利用Argoverse数据集提取轨迹和地图特征。研究提出了多模态注意机制和新型多层感知机，显著提高了预测精度和效率。

本文介绍了一种新的多模态转换器网络，用于检测未修剪视频中的动作。该网络利用多模态注意机制计算不同空间和动态模态组合之间的相关性，并提出了一种算法来纠正相机运动引起的动态变形。实验证明，该方法在多个基准测试上优于现有方法，并在新教育活动数据集上进行了比较实验。