Transformer结合特征融合依旧可以卷！来跟着斯坦福学习怎么创新！

文章预览

Transformer现在还能怎么做创新？不妨考虑结合特征融合。这种思路意在利用Transformer的自注意力机制和特征融合技术的优势，以 提高模型的性能、降低计算成本以及增强模型的泛化能力。 比如斯坦福最近的新作Fusion-Vital，一种新颖的视频-射频（RGB-RF）融合Transformer，采用了Transformer-based fusion strategies和cross-attention机制来对齐和融合多模态特征，有效地捕捉微观生理标志，预测误差降低了83.4％。 该成果也收录于顶会AAAI中，另外还有CVPR 2024 的MiKASA，在处理复杂的视点依赖描述时，实现了显著的性能提升。可见 特征融合+Transformer 在各大顶会上的热门程度。 为方便论文er了解前沿，本文整理了这方向 12篇 最新的论文 ，有开源代码的都放上了，需要的同学可无偿获取~ 扫码添加小享， 回复“ 变形特征 ” 免费获取 全部论文+开源代码 Global-correlated 3D-decoup ………………………………