일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
- GNN in image
- LIIF
- hypergraph
- Feature reuse
- FRFSR
- Reference-based SR
- INR
- Reference Super-Resolution
- arbitrary scale
- Cell detection
- CrossNet
- ConvNeXt
- deep learning
- graph neural network
- implicit representation
- GNN
- TRANSFORMER
- session-based recommendation
- SISR
- Zero-Shot sr
- Graph
- DIINN
- Super-Resolution
- SegFormer
- Cell-tissue
- TAAM
- Cityscapes
- ADE20K
- Tissue segmentation
- Referense Super Resoltuion
- Today
- Total
목록2024/04 (2)
딥러닝 분석가 가리
"Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation"Abstract Session-based recommendation (SBR)은 특정한 시점의 다음을 예측하는데 초점을 맞춘다. 사용자의 프로필은 일반적으로 이러한 시나리오에서 활용가능하지 않기 때문에, 아이템 전환에 놓여있는 사용자의 의도를 파악하는것이 중요하다. 최근 graph nerual networks (GNN) 기반의 SBR 방법은 아이템 전환을 아이템의 정보를 따라서 복잡한 고차원 전환을 무시하는 pairwise 관계로 보장한다. Hypergraph는 beyond-pairwise 관계를 capture 하기 위한 자연스러운 방법을 제공하는 반면,..
"NestedFormer: Netsted Modality-Aware Transformer for Brain Tumor Segmentation" Abstract Multi-modal MR imaging은 풍부한 보완 정보를 제공하여 뇌종양을 진단하는데 임상에서 주로 사용됨 기존의 multi-modal MRI 분할 방법은 다른 modality 간의 concatenation으로 융합하는데, 이는 서로 다른 modalities 간의 비 선형적 의존성을 활용하기 어려움 Modality 내부, modality 간의 관계를 명확하게 활용하는 Nested Modality-Aware Transformer (NestedFormer)를 제안 Transformer 기반의 multi-encoder와 single-decoder ..