在本文中，我们提出了一种新颖的网络svdformer，以解决点云完成中的两个具体挑战：从不完整的点云中理解忠实的全局形状并生成高精度的局部结构。当前的方法要么仅使用3d坐标来感知形状图案，要么导入具有经过良好校准的内在参数的额外图像，以指导缺失部件的几何估计。然而，这些方法并不总是充分利用可用于准确和高质量点云完成的跨模式自结构... ...
ProxyFormer: Proxy Alignment Assisted Point Cloud Completion with Missing Part Sensitive Transformer
诸如设备缺陷或有限观点之类的问题将导致捕获的点云不完整。因此，从部分云中恢复完整的点云在许多实际任务中起着至关重要的作用，其中一个钥匙在于缺失部分的预测。在本文中，我们提出了一种新颖的点云完成方法，即将点云划分为现有（输入）和缺失（待预测）部分，并且每个部分通过其代理传达信息 ...
遥感对象检测（RSOD）是遥感领域中最基本和最具挑战性的任务之一，已引起长期关注。近年来，深度学习技术已经证明了功能强大的特征代表能力，并导致了RSOD技术的发展。在这个快速技术发展的时代，本综述旨在对基于深度学习的RSOD方法的最新成就进行全面评论 ...
预训练模型（PTM）的部署已大大推进了持续学习（CL）的领域，从而使知识转移和对灾难性遗忘的韧性。为了维持这些优势在依次到达的任务中，一个有希望的方向涉及保持预训练的主链冻结，同时采用参数有效调整（PET）技术来指导表示表示学习。尽管基于迅速的宠物对CL的普及，但其经验设计通常会在我们对不同的PTM和目标任务的评估中导致次优性能 ...
传统图形神经网络（GNN）领域中的后门攻击由于混淆标签的困境而容易检测到。为了探索GNN的后门脆弱性并创建更隐秘的后门攻击方法，本文提出了在节点分类任务中的清洁标签图后门攻击方法（CGBA）。与现有后门攻击方法不同，CGBA不需要修改节点标签，也不需要图形结构 ...
图形神经网络（GNN）在各种任务中表现出色。但是，最近的作品表明，GNNS容易受到后门攻击的影响。通常，后门攻击是通过将后门触发器和目标类标签附加到训练图中的一组节点来推销图形的 ...
在工业检查中，很少有射击异常检测（FSAD）是一项至关重要但具有挑战性的任务，在工业检查中，只有几个正常图像必须完成正常的分布建模。尽管现有方法通常采用多模式的基础模型，结合了语言和视觉方式来迅速引入异常检测，但这些方法通常需要复杂的及时及时工程和大量的手动调整。在本文中，我们证明了一个直接的邻居搜索框架可以超过单级和多级FSAD场景中的最先进性能 ...
计算机视觉的最新进展突出了各种任务中视觉 Transformer （VIT）的可扩展性，但是在平衡适应性，计算效率和建模高阶关系的能力方面仍然存在挑战。视觉图神经网络（VIGS）通过利用基于图的方法来提供替代方案，但受到用于边缘生成的聚类算法的计算瓶颈的阻碍。为了解决这些问题，我们提出了HyperGraph Vision Transformer（HGVT），该 Transformer （HGVT） ...
