PulseAugur
中
实时 12:45:59
English(EN) AQIFormer: A Transformer-Based Multi-View Architecture for Cross-City Air Quality Classification

Transformer模型使用图像对空气质量进行分类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了AQIFormer，一种新的基于Transformer的架构，用于使用图像对空气质量进行分类。该模型整合了前后交通图像和天气数据，提高了跨城市泛化能力，并在大型数据集上达到了89.96%的准确率。AQIFormer即使在未见过的城市上也能表现出强大的性能，并且在通过少样本学习进行适应时，准确率下降极少。 AI

影响 该模型为空气质量监测提供了一种更具可扩展性和成本效益的方法，有可能改善环境健康洞察。

排序理由 该集群包含一篇详细介绍特定任务新AI架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Om Kathalkar, Nitin Nilesh, Sachin Chaudhari, Anoop Namboodiri ·

    AQIFormer：一种基于Transformer的多视图跨城市空气质量分类架构

    arXiv:2606.07648v1 Announce Type: cross Abstract: Air pollution represents one of the most critical environmental and public health challenges globally, with traditional sensor-based monitoring systems facing significant scalability and economic constraints. Image-based air quali…

相关实体

相关话题