亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

SPT: Spatial Pyramid Transformer for Image Captioning

计算机科学 隐藏字幕 网格 变压器 图像分辨率 棱锥(几何) 人工智能 语义学(计算机科学) 模式识别(心理学) 数据挖掘 计算机视觉 图像(数学) 程序设计语言 电压 物理 几何学 数学 量子力学 光学
作者
Haonan Zhang,Pengpeng Zeng,Lianli Gao,Xinyu Lyu,Jingkuan Song,Heng Tao Shen
出处
期刊:IEEE Transactions on Circuits and Systems for Video Technology [Institute of Electrical and Electronics Engineers]
卷期号:34 (6): 4829-4842 被引量:6
标识
DOI:10.1109/tcsvt.2023.3336371
摘要

The existing approaches to image captioning tend to adopt Transformer-based architectures with grid features, which represent the state-of-the-art. However, the strategies are prone to address the grid features with a fixed resolution, which often hampers the perception of entities with various scales. In addition, directly applying them may also result in spatial and fine-grained semantic information loss. To this end, we propose a simple yet effective method, named Spatial Pyramid Transformer (SPT). Specifically, it adopts several parameter-shared pyramid structures to perform semantic interactions across different grid resolutions. In each layer, we design a Spatial-aware Pseudo-supervised (SP) module, which aims to adaptively resort to disrupted spatial information among flatted grid features. Moreover, to maintain the model size and enhance semantics, we build a simple weighted residual connection termed as Scale-wise Reinforcement (SR) module to simultaneously explore both low- and high-level encoded features. Extensive experiments on the MS-COCO benchmark demonstrate that our method achieves new state-of-the-art performance without bringing excessive parameters compared with vanilla transformer. In addition, our method is extended to the video captioning task, which further proves the practicability of the proposed method. Code is available at https://github.com/zchoi/SPT.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
袁雪蓓完成签到 ,获得积分10
3秒前
现代海发布了新的文献求助10
8秒前
okkk完成签到,获得积分10
9秒前
13秒前
现代海完成签到,获得积分10
17秒前
norberta发布了新的文献求助10
19秒前
20秒前
俞慕儿完成签到 ,获得积分10
35秒前
39秒前
maoy发布了新的文献求助10
45秒前
liuweiwei完成签到 ,获得积分10
47秒前
酥饼完成签到,获得积分10
51秒前
52秒前
1分钟前
ziguangrong发布了新的文献求助10
1分钟前
13504544355完成签到 ,获得积分10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
斯文败类应助科研通管家采纳,获得20
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
2分钟前
lllxxxx完成签到,获得积分10
2分钟前
小胡爱科研完成签到 ,获得积分10
2分钟前
FashionBoy应助maoy采纳,获得10
2分钟前
2分钟前
2分钟前
ziguangrong完成签到,获得积分20
2分钟前
pojian完成签到,获得积分10
2分钟前
华凯完成签到,获得积分10
2分钟前
2分钟前
科目三应助zhuhan采纳,获得10
3分钟前
3分钟前
3分钟前
zhuhan发布了新的文献求助10
3分钟前
maoy关注了科研通微信公众号
3分钟前
3分钟前
maoy发布了新的文献求助10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
Chocolat_Chaud完成签到,获得积分10
3分钟前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 1800
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3314391
求助须知:如何正确求助?哪些是违规求助? 2946633
关于积分的说明 8531115
捐赠科研通 2622350
什么是DOI,文献DOI怎么找? 1434483
科研通“疑难数据库(出版商)”最低求助积分说明 665329
邀请新用户注册赠送积分活动 650855