实体
sequence-to-sequence learning
sequence-to-sequence learning
PulseAugur coverage of sequence-to-sequence learning — every cluster mentioning sequence-to-sequence learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的InterPet4D数据集和InterPetMoGen框架推动人宠动作生成研究
研究人员推出了InterPet4D，一个旨在推进人宠交互研究（特别关注动作生成）的新型多模态数据集。该数据集包含680万帧捕捉人与狗之间自然交互的画面，并配有同步的多视角视频、2D/3D关键点、网格和音频。研究团队还开发了利用Diffusion Transformer架构的InterPetMoGen框架。他们的模型在基线方法上表现出色，FID得分为11.21，突显了该数据集在真实人宠动作建模方面的实用性。
-
新任务模型化维修说明中的程序关联
研究人员引入了互补动作建模（CAM），这是一项新任务，专注于通过修改动作短语同时保持句子上下文其余部分不变来识别或生成维修说明的程序对应项。这种方法区分了程序关联与简单的句子相似性或基于同义词的释义，尤其是在汽车维修环境中。该研究使用了德语数据集，并采用序列到序列生成来分析这些细微的词汇线索。
-
新框架解决车联网边缘计算任务卸载问题
研究人员开发了一个名为 FedMAGS 的新框架，用于管理车联网边缘计算系统中的计算任务。该方法结合了图注意力网络和 Seq2Seq 模型来处理复杂的任务依赖关系并生成有效的卸载决策。该框架还融入了联邦元学习，以便在不损害数据隐私的情况下跨不同边缘服务器进行快速适应。