Encoder-Decoder Architectures for Generating Questions
PulseAugur coverage of Encoder-Decoder Architectures for Generating Questions — every cluster mentioning Encoder-Decoder Architectures for Generating Questions across labs, papers, and developer communities, ranked by signal.
-
New RISTER network achieves state-of-the-art in multi-oriented scene text recognition
研究人员开发了一种新颖的旋转不变场景文本识别网络RISTER，旨在克服现实场景中多方向文本的挑战。与先前明确估计方向的方法不同，RISTER将旋转不变性直接集成到其编码器-解码器架构中。该网络在编码器中使用了旋转等变局部-全局提取网络，在解码器中使用了旋转不变的交叉注意力机制。这种方法为旋转不变性提供了理论保证，在不增加计算成本或依赖数据驱动的方向校正的情况下提高了鲁棒性，并在各种基准测试中展示了最先进的性能。
-
新框架使用世界模型推理对耳廓CT扫描进行详细分割
研究人员开发了一个名为AuricularWorld的新框架，用于分割CT扫描中的细粒度耳廓结构。该方法采用基于世界模型的方法和循环状态空间模型，通过迭代推理解剖结构，超越了传统的前馈预测。该框架引入了分层解剖动作，以逐步优化潜在表示，从而提高了分割精度，并显著降低了具有挑战性的耳廓结构的误差。
-
选择性协同学习 (SSync) 增强视频对象中心学习
研究人员推出了一种名为选择性协同学习 (SSync) 的新方法，以增强视频对象中心学习。SSync 通过伪标签和传递性合并选择性地提取可靠线索，解决了现有方法的局限性，从而提高了对象分解的质量和鲁棒性。该方法避免了在无差别对齐策略中出现的错误传播，并提供了比以前的二次方方法更具可扩展性的线性复杂度解决方案。
-
新框架利用图收敛逼近复杂算子
研究人员引入了一个新的框架，用于逼近最大单调算子，这些算子通常是不连续的或多值的，并且超出了传统逼近方法的范围。该方法利用图收敛，特别是 Painlevé-Kuratowski 收敛，来有效处理这些复杂算子。研究表明，连续的编码器-解码器架构可以在局部图收敛的意义上逼近这些算子，并提出了保留结构、通过判别器参数化来维持最大单调性的逼近方法。