Mixture of Temporal Experts
PulseAugur coverage of Mixture of Temporal Experts — every cluster mentioning Mixture of Temporal Experts across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
FrameForge模型利用视频先验进行统一图像生成
研究人员推出了一种新颖的统一条件图像生成方法FrameForge，该方法利用了视频基础模型的时间理解能力。与以往将条件固定在特定时间位置的方法不同，FrameForge根据生成任务动态调整时间关系。它采用混合专家模型（MoTE）来选择合适的虚拟时间间隔，并使用时间推理链（CoTR）来模拟通过潜在状态的转换。在DreamBench和COCO2017等基准测试上的实验表明，FrameForge在主题驱动生成和图像编辑等任务中非常有效。
-
FrameForge模型利用视频基础模型统一图像生成
研究人员推出了一种新颖的统一条件图像生成方法FrameForge，该方法利用了预训练的视频基础模型。该方法使用时间专家和中间推理路径动态地模拟视觉输入与目标图像之间的关系。FrameForge通过适应各种条件-目标关系，解决了在遵循文本指导的同时保留输入各种方面这一挑战。在DreamBench和COCO2017等基准测试上的实验证明了其在主题驱动生成和图像编辑等任务中的有效性。
-
新的步态识别方法使用专家混合模型处理遮挡问题
研究人员推出了一种新颖的步态识别方法 GaitMoE，该方法解决了现实场景中遮挡带来的挑战。该方法将步态识别视为一个动作检测问题，并利用专家混合（Mixture of Experts, MoE）架构。该系统包含时间专家混合（Mixture of Temporal Experts, MTE）和动作专家混合（Mixture of Action Experts, MAE），能够自适应地构建动作锚点和提议，即使在信息缺失或嘈杂的情况下也能实现…