实体
Video Vision Transformer
Video Vision Transformer
PulseAugur coverage of Video Vision Transformer — every cluster mentioning Video Vision Transformer across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
物理引导的机器学习提高了燃料密度预测的准确性
研究人员开发了一个物理引导的机器学习（PGML）框架，以提高燃料密度预测的准确性和稳定性。该方法将物理约束（如质量守恒和蔓延速率估计）整合到深度学习模型中。研究探索了三种架构：ConvLSTM、AFNONet和ViViT，证明PGML框架的性能明显优于纯数据驱动的方法。这一进展为处方烧毁管理提供了更有效、更符合物理规律的火灾预测。
-
视觉 Transformer 以 80-90% 的成本降低预测粘弹性液滴撞击动力学
研究人员开发了一种视频视觉 Transformer (ViViT) 模型来预测粘弹性液滴在固体表面撞击的时间演变。该方法利用流体体积法 (VOF) 的体积分数场，仅使用模拟数据的 10% 到 20% 即可预测剩余演变，从而显著降低计算成本。ViViT 模型在各种参数和预测范围内都展示了物理上一致的预测，准确地捕捉了铺展和反弹状态。