Tag · 2 篇
快速傅里叶变换
分布 其他1视觉语言模型1
01 02
重新审视多标签分类中的F-measure优化：一种基于采样的方法
Revisiting F-measure Optimization in Multi-Label Classification: A Sampling-based Approach
对视觉多标签任务（如多标签图像识别、属性预测）而言，本文把F-measure最优预测规则中的q^3矩阵乘法改写为可用FFT加速的卷积（降至O(q^2 log q)），并用q个二分类器替代q个多分类器以缓解标签稀疏性，可直接替换现有多标签分类器的推理与训练流程。
高效无编码器的基于傅里叶的 3D 大型多模态模型
Efficient Encoder-Free Fourier-based 3D Large Multimodal Model
用空间填充曲线序列化加 FFT 近似自注意力，替代重型 3D 编码器做全局上下文建模，并用傅里叶增强的低秩适配把频域交互注入 LLM，为视觉侧设计轻量 3D 词元化与无编码器多模态架构提供可复用范式。