مقاله آیا ترانسفورماتورها می توانند روابط فضایی بین اشیاء را ثبت کنند؟

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Can Transformers Capture Spatial Relations between Objects?
عنوان مقاله به فارسی مقاله آیا ترانسفورماتورها می توانند روابط مکانی بین اشیاء را ضبط کنند؟
نویسندگان Chuan Wen, Dinesh Jayaraman, Yang Gao
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 21
دسته بندی موضوعات Computer Vision and Pattern Recognition,Robotics,چشم انداز رایانه و تشخیص الگوی , روباتیک ,
توضیحات Submitted 1 March, 2024; originally announced March 2024. , Comments: 21 pages, 8 figures, ICLR 2024
توضیحات به فارسی ارسال 1 مارس 2024 ؛در ابتدا مارس 2024 اعلام شد ، نظرات: 21 صفحه ، 8 شکل ، ICLR 2024

چکیده

Spatial relationships between objects represent key scene information for humans to understand and interact with the world. To study the capability of current computer vision systems to recognize physically grounded spatial relations, we start by proposing precise relation definitions that permit consistently annotating a benchmark dataset. Despite the apparent simplicity of this task relative to others in the recognition literature, we observe that existing approaches perform poorly on this benchmark. We propose new approaches exploiting the long-range attention capabilities of transformers for this task, and evaluating key design principles. We identify a simple "RelatiViT" architecture and demonstrate that it outperforms all current approaches. To our knowledge, this is the first method to convincingly outperform naive baselines on spatial relation prediction in in-the-wild settings. The code and datasets are available in \url{https://sites.google.com/view/spatial-relation}.

چکیده به فارسی (ترجمه ماشینی)

روابط مکانی بین اشیاء نشان دهنده اطلاعات اصلی صحنه برای انسان برای درک و تعامل با جهان است.برای بررسی توانایی سیستم های دید رایانه فعلی برای تشخیص روابط مکانی مبتنی بر جسمی ، ما با ارائه تعاریف رابطه دقیق شروع می کنیم که اجازه می دهد به طور مداوم یک مجموعه داده معیار را حاشیه نویسی کنیم.با وجود سادگی ظاهری این کار نسبت به دیگران در ادبیات شناخت ، ما مشاهده می کنیم که رویکردهای موجود در این معیار عملکرد ضعیفی دارند.ما رویکردهای جدیدی را برای بهره برداری از قابلیت توجه دوربرد ترانسفورماتورها برای این کار و ارزیابی اصول طراحی کلیدی پیشنهاد می کنیم.ما یک معماری ساده "نسبیت" را شناسایی می کنیم و نشان می دهیم که از همه رویکردهای فعلی بهتر است.به دانش ما ، این اولین روش برای متقاعد کردن از خطوط اصلی ساده لوحانه در پیش بینی رابطه فضایی در تنظیمات درون وحشی است.کد و مجموعه داده ها در \ url {https://sites.google.com/view/spatial-relation} موجود است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.