Toutes les news taguées avec ce sujet.
SNAP, un transformer auto-supervisé, montre qu'un décodeur plus simple et des objectifs en espace latent améliorent la qualité des représentations géométriques apprises.
Une nouvelle architecture fait tourner les mêmes blocs Transformer plusieurs fois par étape de diffusion, surpassant des modèles 6,5x plus gros à compute réduit.
Un modèle hybride transformer-convolutionnel factorise l'attention temporelle, spectrale et spatiale pour surpasser l'état de l'art en segmentation de cultures.
Un projet open source montre comment entraîner un mini-transformer minimaliste extrêmement rapidement, à titre pédagogique ou expérimental.
Un nouveau modèle prédit la segmentation des parties mobiles et les paramètres articulaires à partir de nuages de points partiels, sans optimisation itérative.
Un nouveau Transformer multimodal et time-aware capable de modéliser et de prédire l'évolution clinique globale des patients.