模块缝合
（101/199）
56.4万播放
简介
订阅合集
模块缝合具体操作-Akconv
03:18
模块缝合具体操作-MSCAAttention(基本适用于CV所有领域)
04:49
模块缝合即插即用模块-MCA(一种多维协作注意力)
03:14
模块缝合具体操作-从归一化找灵感
03:00
模块缝合即插即用模块-用于时间序列预测的频率增强信道注意力机制(dct_channel_block)
02:56
一种新的即插即用模块-RFAConv(基本适用于分类，目标检测，分割等所有CV任务)
02:28
一种新的即插即用注意力-TalkingHeadAttn(从其他领域找自己领域的灵感)
03:26
AdaptConv-一种适用于点云分类和分割的即插即用模块
01:49
一种多模态领域的即插即用模块-MSAF(适用于情绪识别、情感分析和动作识别任务)
04:10
DEConv-来自24年1月文章的新型即插即用卷积模块，基本可以应用于CV所有2d任务
02:31
LWA-利用多模态输入进行RGB-D显着性检测的即插即用模块
03:47
ExponentialSmoothing-利用指数平滑原理改进Transformer进行时间序列预测的一种即插即用方法
03:53
CAFM-23年4月份的图像特征融合即插即用模块
02:52
CTR-GC-即插即用的通道拓扑细化图卷积用于骨架动作识别
02:14
tadaconv和hgc-两种来自视频动作识别领域的即插即用模块
04:17
PnP-3D-增强点云网络性能的即插即用模块
02:08
SPABlock-显著位置选择模块，适用于CV的即插即用模块，非卷积，也非注意力
02:39
tAPE和OS_block-两种来自时间序列分类的即插即用模块
04:47
EPA-来自3D医学图像分割的模块
01:35
Lipschitz归一化-应用于应用于GAT和Graph Transformer的即插即用模块
01:59
ASC和MHRSA-用于高光谱图像的细心跳跃连接和多头递归光谱注意力即插即用模块
02:32
VisualTokenRandomSelection-来自多模态文本视频检索的模块
01:33
GeoConv-用于点云的即插即用卷积模块
02:35
ODConv-全维动态即插即用卷积，基本应用于CV所有2d任务
01:48
RG_SA(递归泛化自注意力)-应用于CV2d任务的即插即用模块
01:55
EnergyCrossAttention-来自扩散生成领域的即插即用注意力
02:04
diffusion_unet-来自扩散模型的unet框架，可以当作模块用
02:30
HiLoAttention-结合图像高频低频的即插即用注意力，应用于CV2d领域
02:40
DSAttention(去稳态注意力)-用于时间预测序列的即插即用注意力
01:29
SimVP-来自视频预测的3D即插即用方法（模块）
02:33
PPA-Attention(并行化贴片感知注意力)-2024年3月的即插即用注意力，CV2d任务通用
01:46
TKSA(Top-k选择注意力)-来自图像去雾的即插即用注意力，基本适用于CV所有二维图像任务
01:10
AGCA-新型即插即用注意力，可用于CV2维图像和图卷积网络
01:10
point-nn-即插即用模块应用于点云领域
00:46
RGA(关系感知全局注意力)-来自行人重识别领域的即插即用模块，CV2维图像任务通用
00:55
CAA_Module(通道关联注意力)-应用于点云领域的即插即用模块
00:56
PoseBERT-来自人体姿势估计领域的即插即用3D模块，可用于3D模型
00:46
dfe_module-即插即用的深度感知特征增强模块(CVPR2022)，可用于深度估计和物体检测，其它深度感知任务也可以用
01:41
CoordGate-非卷积！非注意力的即插即用模块，能够根据输入图像的特定特征动态调整权重，CV二维图像任务通用！
03:29
RFD(IEEE2023)-即插即用的鲁棒特征下采样模块，旨在在保持特征丰富性的同时进行更深层次的特征降采样，CV二维图像任务通用！
02:29
Mamba Back！一种卷积与Manba相结合的即插即用模块(ConvSSM)，CV二维图像任务通用
02:56
FITS(从频域角度出发)-用于时间序列任务的即插即用模块
01:24
ESAM-增强边缘信息的即插即用模块，CV2维任务通用
01:05
Mamba Back！一种来自于Mamba领域的即插即用模块(nnMamba)，用于CV3维任务！
02:16
Mamba Back！一种来自于Mamba领域的即插即用模块(TimeMachine)，用于时间序列任务！
02:26
MCAM-即插即用的图像特征融合模块(采用跨模态注意力机制，帮助深度学习模型关注重要特征)
02:28
Mamba环境配置以及一些碎碎念
04:17
SAM-来自单目深度估计的即插即用模块-特征融合
01:26
PFNet-来自点云补全的即插即用模块
02:17
MambaIR-引入通道注意力和局部增强的即插即用Mamba模块
02:46
Wave-pooling-用于轨迹预测，CV2维任务通用
01:38
SDM(语义差异模块)-用于3D任务的即插即用模块
01:34
Free_UNet-无需训练，即插即用于扩散模型的改进U-Net结构
01:53
LFA(局部流注意力)-用于交通流预测的即插即用模块
02:03
CMCE＆LFGA-来自深度伪造检测的两个即插即用模块，多模态也可以关注
02:43
CAN(上下文感知模块)-来自于人群计数任务，CV2维图像通用!
01:39
MLP_Communicator-应用于多模态领域的即插即用模块，使得不同模态特征在水平和垂直方向上充分交互。
02:41
SSPCAB-来自图像和视频异常检测领域的即插即用模块，CV2维任务通用
02:17
ISL(区域内结构学习)-用于点云任务的即插即用模块！
02:10
GKONet-引入高维先验几何特征以提高模型效率和可解释性,用于三维人体姿态估计。
02:13
F_Block-即插即用的频域模块，用于时间序列任务
02:09
DynamicFilter（动态滤波器）-通过频域滤波和动态调整滤波器权重对图像进行处理，CV2维度图像通用！
02:07
EGA(边缘引导注意力)，来于边缘检测任务，即插即用于CV2维图像任务！
02:30
PaCoLoss(参数对比损失)-用于对比学习
02:42
sLSTM＆mLSTM-来自xLSTM的即插即用模块，可用于nlp和时序任务！LSTM卷土重来!
03:33
ICCV2023!即插即用上采用模块-DySample，CV2维图像通用！
01:28
RSCaMa(联合时空建模模块)-用于处理具有时空特性的数据，例如遥感图像变化检测、视频理解、时空预测等任务
02:42
CorNet(即插即用NLP模块)-学习标签相关性，利用相关性知识输出增强标签预测
02:24
D-LKA _Attention-来自WACV2024!适用于视觉3D任务的即插即用模块
02:20
FAdam-即插即用优化器，适用于语音识别，NLP,CV领域
02:21
KpconvEncoder-基于点的特征提取，适用于点云领域
02:11
多尺度大核注意力(MLKA)和门控空间注意力单元(GSAU)-来自CVPR2024，CV2维图像任务通用！
03:19
TFF&SFF-来自ICME2023！时间特征融合和空间特征融合模块，适用于需要时间和空间特征融合的计算机视觉任务， 特别是在视频分析和图像处理领域。
02:21
Agent-Attention(全新注意力范式)-清华大学出品! 来自ECCV2024！CV2维图像任务通用！
02:44
WTConv(小波变换卷积)-来自ECCV2024！CV2维图像任务通用！
01:43
PDM(过去可分解混合模块)-来自ICLR2024！用于时间序列预测任务！
02:04
Bi_direct_adapter(通用双向适配器)-来自AAAI2024！适用于多模态领域
02:15
SFII(空间频域信息交互模块)-来自CVPR2024！将空间注意和频谱滤波相结合，CV2维模块通用！
02:07
KPA(运动学先验注意力)-来自CVPR2024！构建运动学拓扑来模拟人体中的运动关系，用于3D人体姿态估计
01:43
GEA(图外部注意力)-来自ICML2024！利用多个外部节点/边缘键值单元来隐式捕获图间相关性，适用于GNN（图神经网络）
02:34
UFFC(无偏快速傅里叶卷积)-可无缝代替普通卷积模块增加创新性，来自ICCV2023，CV2维任务通用！
02:46
DFormerBlock3D(膨胀变压器3D模块)-来自Arxiv2023，即插即用于3D任务！
02:35
Strip-Pooling(条带池化)-一种新型池化策略，可用来替代普通池化。来自CVPR2020！CV2维图像通用！
02:00
SCSA-CBAM2024年豪华升级版注意力！探索空间注意力和通道注意力之间的协同作用，CV2维图像通用！
03:56
HVGSU(水平垂直门控选择单元)-来自NIPS2023！递归融合和选择信息来建模全局和局部相关性，用于时间序列预测任务！
02:49
SMFA(自调制特征聚合模块)-来自ECCV2024! 协同利用局部和非局部特征交互,cv2维图像通用！
03:05
BiaffinePairwise(双仿射结构提取模块)-用于NLP领域，将实体的全局信息与局部信息结合，并使用 BiLSTM 聚合文档级信息。
02:27
RCM(矩形自校准模块)-|ECCV2024|专为空间特征重建和金字塔上下文提取而设计。捕获水平和垂直方向的轴向全局环境，CV2维图像通用！
01:59
HOISpatialTransformer(交互空间变压器模块)-来自于CVPR2024！无缝衔接于扩散模型！
05:18
DSCVolumeReg(深度可分离体积正则化)-即插即用的3D模块，简单且好用！
02:30
FRFN(特征精炼前馈网络)-来自CVPR2024!即插即用于CV2维图像，FRFN采用增强和简化机制来消除通道中的特征冗余，提升潜在清晰图像的修复效果。
02:04
FreqSelect(频率选择模块)-来自CVPR2024！即插即用于CV2维图像！
02:42
TIAM(时空交互注意即插即用模块)-来自Elsevier2024！这个模块可以嵌入到需要表示的视觉任务中两个特征之间的相似性。
02:43
FreqFusion(2024年新型特征融合模块)-来自TPAMI 2024！有效提高特征一致性并锐化对象边界，CV2维图像通用！
03:17
ScoreNet(估计分数方法)-来自北京大学ICCV2021的即插即用方法，用于点云领域！
02:46
引入全景球面几何特征，就能发顶刊TPAMI的OFU(偏移场重采样)即插即用模块？
02:33
RCF(残差周期模块)，来自NIPS2024！！时序|-减少90%参数，用于时序任务的完美插件，新颖度也足够！利用可学习的循环来模拟序列中固有的周期性模式。
05:02
RDSBN(校正域特定批归一化)-来自于CVPR2023！适用于领域泛化、领域自适应、 或者多域学习等跨域任务1
04:44
PKConv(峰值运算卷积)-来自CVPR2023！CV2维图像通用！受到局部峰值响应启发。
04:42
点云| N2PAttention(邻域到点注意力) |来自CVPR2023！融入CV算法的点云新型即插即用注意力！
04:19
时序| ICB&ASB(两个即插即用模块)|来自ICML2024！将频域概念融入时序领域，轻量且强大！
05:12
全领域通用| FANLayer，引入傅里叶分析，新型神经网络架构！来自北京大学！
02:46
3D任务| Rconv(关系卷积即插即用模块)-来自Arxiv2024！引入3D关系卷积运算兼顾CNN和VIT
04:40
CV| SAFM(空间自适应特征调制模块)-使用独立计算来学习多尺度特征表示并聚合这些特征以进行动态空间调制，CV2维图像通用！
03:26
CV通用！| MFMSAttention(多频多尺度注意力)-来自CVPR2024！通过结合多频率和多尺度特征来改进空间特征提取的过程，增强模型泛化能力
04:35
时序| PaiFilter(平面整形滤波器)-来自NIPS2024！采用通用频率内核进行信号过滤和时间建模，可以近似替代时间序列文献中广泛采用的线性映射和注意力
03:50
3D模块| MedNeXtBlock-来自MICCAI2023！一个现代化且可扩展的卷积架构的即插即用3D模块
04:18
CV| NAFBlock(Nonlinear Activation Free)-来自ECCV！可直接基于其进行创新改进！
03:36
CV| WFD(Haar小波下采样模块)-来自ACM2024！通过使用小波变换将输入特征无损地分解为高频和低频分量并分别处理它们来减轻特征失真
05:49
点云| LGE(局部几何嵌入)-自己手搓的中科院一区TOP期刊模块，模块旨在显式地嵌入每个点的局部特征
05:19
CV| FFCM(融合傅里叶卷积混合器)-来自ECCV2024！在空间和频域进行卷积运算，使其具有局部全局捕获能力和效率!
04:40
CV| SHSA(单头注意力模块)-来自CVPR2024！能够本质上避免头部冗余，并通过并行结合全局和局部信息同时提升精度。
03:24
图任务| GCKM(图卷积核机)-来自NeurIPS2023！并适用于各种任务（例如，节点或图分类、聚类、特征提取、降维）。
04:32
时序| FAN(频率自适应规一化)-来自Arxiv2024！通过在傅里叶域中为每个输入实例过滤前 K 个主要成分来减轻非平稳性的影响！
03:31
CV| FAM(频率感知匹配特征融合模块)-来自AAAI2025！解决域内差异，解决域间差异！
08:16
CV| Pconv(大风车卷积)-来自AAAI2025！增强了特征提取，显著增加了感受野，并且仅引入了最小的参数增加。
03:01
CV| MSF(多频谱特征融合模块)-来自AAAI2025！解耦不同频率特征，并进一步减轻域间方差对模型性能的影响。
02:52
PolaLinearAttention(极性感知线性注意力)-来自ICLR2025！该注意力机制明确模拟同符号和异符号查询键交互，确保全面覆盖关系信息。
04:46
时序| AdpWaveletBlock(自适应小波模块)-来自Arxiv2024！采用自适应小波变换对非平稳时间序列数据进行多尺度分析的新方法
03:22
3D| VSmW-MSA(可变形状混合窗口多头自注意力)-来自中科院1区TOP！实现全局意识与局部细节之间的良好平衡。
04:11
特征融合| CDFA(对比驱动特征聚合模块)-来自AAAI2025！对比前景和背景特征，以指导多级特征融合和关键特征增强。
04:03
CV| RepHMS(重参数化异构多尺度模块)，来自Arxiv2025！增强特征融合，无缝集成网络！
04:26
NLP和序列任务| TSSA(Token统计自注意力)，来自ICLR2025！全新注意力架构，计算效率和可解释性也显著提高。
04:00
点云| MGE(多元几何编码模块)-MGE 采用采样、分组、池化和多元几何聚合操作，轻量级捕获和自适应聚合多元几何特征，提供 3D 几何的全面描述。
05:46
图神经网络| EFI-GNN(显式特征交互感知)-来自IEEE Access2024！旨在显式地对图中的任意阶特征交互进行建模。
04:43
CV| 即插即用模块| TSSA(Token统计自注意力)，来自ICLR2025！全新注意力架构，具有线性计算和内存复杂度！
02:27
CV| 即插即用模块| SEA_Attention(挤压增强轴向注意力)，来自ICLR2023！具有挤压轴向和空间增强的特点!
03:50
CV| 即插即用模块| EfficientViMBlock(隐藏状态空间对偶Mamba模块),来自CVPR2025！可有效捕获全局依赖关系并进一步降低计算成本！
06:36
对比学习| 即插即用模块| FCR(频域对比正则化)，来自ECCV2024！可与原模型损失进行结合！
05:41
CV| 即插即用模块| GBC(轻量级门控瓶颈卷积),来自CVPR2025！能够有效地建模形态信息！
05:11
时序| 还在看传统分解模块？快来看AAAI2025新型季节性趋势指数分解模块(EMA),有效地将时间序列分解为趋势和季节性成分!
06:45
Crossnorm-Selfnorm-两种归一化方式，李沐老师作品！
03:57
CV| 即插即用| ARConv(自适应矩形卷积)-来自CVPR2025！解决传统卷积关键缺点，自适应学习卷积核高度和宽度和动态调整采样点数量！
07:34
3D| DCTSA(全新频率空间注意力)，来自于AAAI2025！能够根据输入数据的特性自适应地调整频率域的采样范围和频率成分的提取。
07:01
姿态估计| AFW(自适应帧加权模块)-来自Arxiv2025！可根据帧的相关性动态地对帧进行优先级排序，确保模型专注于最具信息量的数据！
05:58
全新CVPR2025即插即用Mamba模块，打破因果建模限制！清华大学出品！CV2维任务通用！
07:00
全领域通用！！！何恺明2025新作！！！原来Transformer 可以不用归一化？适用于所有使用Transformer做任务领域的新型模块-DyT！
08:07
姿态估计| SHR(自假设优化模块)，建模单假设内部的依赖关系，提升整体表达！
06:15
小波变换+Mamba！空间通道信息+低频信息！来自于ACCV2024！即插即用于CV2维图像任务！
06:04
避免统计浪费！去除冗余特征！中科院一区TOP(TIP)提出即插即用高相似性传递注意力 (HSPA)！CV2维任务通用！
05:45
CVPR2025首发！层次聚类+信息交互！高效的内容感知Token聚合模块(Token Aggregation Block,TAB)，适用于CV2维图像任务！
04:08
点云| InvResMLP(逆向残差MLP模块),来自于NIPS 2022！采用跨层直连结构，显著增强特征变换能力！
03:30
CV&图神经网络通用！CVPR2024首发移动图卷积(MGC)模块！位置编码+图消息传递！
05:01
时序| KAN+时序中了ICLR2025！即插即用的MKAN模块！学习和表示每个频带内的特定时间模式。
04:50
CLIP无痛涨点| 7行代码减轻未对齐的视觉文本嵌入？WACV2024新型模块SVD消除视觉中的类别无关信息！文本中的跨类别冗余信息！
07:19
全局上下文提取+提升计算效率！WACV2024即插即用通道缩减注意力CRA，适用于适用于图像分类、目标检测、图像分割、去雨去雾等等的CV任务，CV2维任务通用！
03:39
首个将深度信息作为几何先验引入自注意力！CVPR2025首发即插即用注意力-几何先验自注意力(GSA)!CV任务通用暴力涨点！
03:45
打破Mamba视野局限！CVPR2025即插即用Mamba模块-EVSS！动态视角切换使得模型捕获有用的非局部信息并保持高效率。CV2维任务通用！
06:07
空间感知+长程依赖！WACV2025即插即用模块-空间增强前馈网络(SEFN)！CV2维图像任务通用！
05:16
点云| 动态赋权+高阶聚合！Neurocomputing 2025即插即用注意力-HyperedgeAttention(超边注意力)！助力涨点！
05:43
分组残差+抗噪泛化！ACM2024即插即用模块-分组残差自注意力 (GRSA)!输入通道分组，同时通过矩阵乘法保留特征交互。CV2维任务通用！
06:33
扩散模型还在用传统Unet？来看AAAI 2025提出的UKAN，将KAN引入Unet，增强非线性建模和高效表征能力。
05:41
CNN模型还在死磕大卷积核？来看CVPR 2025新型模块EBlock，通过频域-空间域协同设计，避免多模型串联的冗余计算。
04:39
模型适配器直接套视觉任务？来看CVPR 2025提出的多认知视觉适配器 (Mona)，引入多认知卷积滤波器组和输入分布优化模块，全面提升视觉任务！
03:43
特征融合还靠加权平均？CVPR 2024年提出的SHIP高阶跨模态协同不香吗？利用高阶交互显著增强模型利用多模式协同作用的能力！
03:55
CV 模型总漏细节？LEGM模块让局部全局一起抓！适用于分类、分割、检测、去雨、去雾、超分、修复、配准、增强、重建等一切CV2维图像任务，一通百通！
04:19
空频双杀！CVPR2024 空间频率选择卷积模块，采用分流-感知-选择策略，旨在从图像的空间和频率域中提取多样化和具有代表性的特征。
04:59
用于领域泛化和适应！IJCV提出的即插即用模块-MixStyle！能够显著提升图像识别、实例检索和强化学习等一系列任务的分布外泛化性能。
05:06
时序任务结合多尺度中了AAAI 2025？来看AAAI 2025提出的多尺度可分解混合（MDM) 模块，剖析聚合多个尺度上不同的时间模式！
03:52
KAN如何结合注意力？来看ICASSP 2025提出的光谱KAN注意力(SpeKAN)，举一反三！见微知著！
03:01
让图像处理既快又好？来看ICCV2025提出的多分支重参数化卷积(MBRConv)，以 4K 级参数实现超 1100FPS 实时推理，重新定义高效图像增强范式！
04:09
CV|时序|3D任务通用！Arxiv2025提出的最佳加权卷积(wConv),通过将空间密度函数集成到卷积算子中，从而改进空间表征和特征提取。
04:09
打破时序任务瓶颈，让尺度交互更加精准！来看AAAI2025提出的双重依赖交互 (DDI) 模块，建模不同尺度之间的动态交互。
03:37
实现跨域特征融合与精准增强，揭开ESWA2024提出的FFM模块的神秘面纱！
03:02
颠覆传统注意力！ConvAttn让卷积拥有自注意力的长程感知力！来看ICCV2025提出的卷积注意力(ConvAttn）模块，具有长距离建模能力。
04:21
打破维度边界! VolSA让自注意力跨越空间与光谱的无限可能！创新点这不就来了？
02:59
点云同学有救啦！来自于CVPR2025的即插即用残差局部特征提取（ResLFE）模块，规模虽小但性能强大！
03:44
重构清晰视觉! TGRS 2025提出的残差列空间自校正模块(RCSSC)模块，增强列特征、空间信息和长程依赖关系！
02:52
膨胀卷积与分组技术的完美结合! CVPR2025提出的多尺度分组膨胀卷积(MSGDC), 提供高效的多尺度特征提取，同时降低计算成本!
02:55
跨越尺度与信息的边界！TGRS 2025提出的多尺度稀疏交叉注意 力(MSC) 模块，将高级特征与各种低级特征交叉融合，从而有效地从多级特征中挖掘有用信息！
02:11
从空域到频域的跃迁！MIA2025提出的全局傅里叶卷积模块 (FCB)，通过将常规空域卷积转换为频域，具有全图像感受野和低计算复杂度！
02:30
重新定义注意力！来自ICCV2025年的多极注意力机制(MultipoleAttention),将注意力视为网格点之间的相互作用问题,以基于距离的多尺度方式计算
04:07
来自ACM MM2025的跨范式交互与对齐自注意力-CPIASA！使得网络能够利用稀疏性，保留最有价值的注意力信息！能够有效地建模局部细粒度特征以及相邻空间像素
02:56
NeurIPS 2025 注意力新机制！CBSA 让自注意力 “降维” 还提效，线性复杂度 + 可解释性双 buff 拉满！
02:42
告别模糊，迎接清晰! AAAI 2025提出的相位融合模块（PIM），在频域和空域中恢复更清晰的特征！
02:57
精准与高效并存！来自ICCV 2025的多核深度可分离卷积(MKDC), 能够通过多个卷积核巧妙地处理图像，同时捕捉复杂的多分辨率空间关系！
02:48
破解复杂时序数据的难题! MGA带来全新的粒度自注意力革命！可学习粒度内部和粒度之间的特征和相关性。
03:40
引入图结构聚合优化图像处理！OCGA将图结构中具有相似特征的相邻节点聚合起来，从而更好地聚焦于特征。
02:44
点云|局部聚合别再硬拼坐标了！NeurIPS 2024提出的 DSA 把几何和语义拆开，分别利用空间各向异性与通道各向异性，实现了更高效的局部聚合。
03:18
让目标细节不再丢失! 来自于TGRS 2025的参数化小波下采样模块（PWD），在频率细化过程中保留小目标细节，防止特征碎片化！
01:46
视觉任务超越传统方法的高频纹理重建! 来自TGRS 2025的傅里叶域稀疏自注意力(FSSA)模块，通过局部敏感哈希（LSH）等技术，显著增强图像的细节和质量！
02:00
一个卷积同时照顾细节和结构！来自TGRS 2025的频率-空间卷积（FSConv），高频线索聚焦于局部细节以突出小目标，而低频线索则提供全局信息以补充空间特征。
02:28
时序&NLP通用！来自AAAI 2026的多变量相干注意力（MVCA），该操作利用谱相干性来刻画变量间的依赖关系。
01:56
英伟达&北京大学联合发布！来自于ICLR 2026的MHLA，它通过在Token维度上划分多个注意力头来计算注意力，从而保留了这种多样性！
02:22
小目标真的“信息少”吗？来看AAAI 2025提出的高频感知模块（HFP），该模块从空间和通道两个角度增强和突出原始特征图中微小目标的特征。
01:52
CVPR 2026新型卷积！让方向先验增强CV模型！引导边缘门控卷积 (HoGEdgeGateConv)展现了其高效性和强大的表征能力。
03:27
还在用固定感受野看所有位置？CVPR 2026提出的PFG 让模型学会“哪里该看大，哪里该看细”，增强模型对复杂时空结构与运动变化的表征能力。
03:02
时序&NLP任务通用！来自于ICLR 2026的全局时间检索器（GTR）模块，维护着整个周期的自适应全局时间嵌入，并动态地检索相关的全局片段。
02:32
注意力能不能显式理解“曲线”和“结构”？来自于TGRS 2026的局部曲率引导注意力(LCGA), 通过曲率调制强化边缘与脊线区域。
02:30
Transformer 不缺注意力，缺的是知道该关注哪里！来自CVPR 2026的UPT模块，实现基于不确定性引导的特征细化，从而提升在不确定区域中的效果。
02:30
视觉模型怎么抓住关键？来看CVPR 2026的即插即用基于中心像素的双路径多头注意力(CPDMA)模块，实现了自适应和非线性特征交互。
02:55
点云 | 点云网络为什么一遇到旋转就崩？来看Neurocomputing 2025提出的几何边缘卷积(GEConv)，有效提取刚体变换不变特征。
03:06
Token不必逐个计算也能保住图像细节？来自CVPR 2026的选择性聚合注意力机制（SAA），在捕获全局依赖关系的同时，大幅减少计算开销。
02:08
频域增强只会调亮图像？来自AAAI 2026的RFGM告诉你，幅度与相位还能这样协同恢复！
02:13
时序&NLP通用！来自AAAI 2026的时间稳定融合(TFS)模块，采用非平稳专家混合（MOE）滤波器来解耦和抑制时间非平稳模式，同时保留长期依赖性。
02:59
从固定关注到动态感知！来自Pattern Recognition 2026的多尺度子带可变形自注意力（MSDSA），使其能够捕捉多方向和多尺度关系。
02:43
时序&NLP通用！来自WWW 2026的即插即用应用时间梯度块 (TGB)，通过基于时间几何证据的自适应选择来捕获低振幅信息。
03:56
还在只用空间域特征？来自 Pattern Recognition 2026的傅里叶自适应（FSA）模块，通过共享的调节器联合调整傅里叶域分量，利用频域信息。
01:45
点云| 来自Pattern Recognition 2025的即插即用局部分组自注意力(LGA)模块，用于捕获各区域内部的局部交互信息。
03:04
顶部