研究人员开发了XRFormer,这是一种新颖的transformer架构,旨在改进复杂一维X射线荧光(XRF)光谱的分析。该新模型利用多尺度卷积标记器来更好地捕捉光谱细节和多分辨率归纳偏置,在颜料识别任务上优于ViT、SpectralFormer和1D-CNNs等现有模型。XRFormer在颜料混合分离方面也展示了卓越的参数效率,其使用的参数更少,标记分辨率低于SpectralFormer。 AI
影响 引入了一种更具参数效率的transformer架构,用于专门的光谱分析,可能改进文化遗产等领域的材料识别。
排序理由 该集群包含一篇详细介绍新模型架构及其在特定任务上性能的学术论文。
- 1d Cnn
- Masked Spectral modeling (MSM)
- Peak Presence Prediction (PPP)
- Pigments Checker STANDARD v.5
- Sofiane Daimellah
- SpectralFormer
- ViT
- XRFormer
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →