안녕, 세상!

Abstract EPSANet Novel lightweight and effective attention method Replacing the 3x3 convolution with the PSA module in the bottleneck blocks of the ResNet Be developed by stacking ResNet-style EPSA blocks Strong multi-scale representation ability for various computer vision tasks Outperforming most of the state-of-the-art channel attention methods Introduction Specifically two types of attention..

Abstract For underwater image classification Simulate the visual correlation of background attention with image understanding for special environments, such as fog and underwater by I-A module I-A moudule : Inception-Attention module Introduction Underwater image : Complex distortions (low contrast, blurring, non-uniform brightness...) Three key points 1) 서로 다른 환경들에서 찍힌 underwater images의 backgr..

Abstract SER은 utterance의 언어적 요소와 어떻게 사람이 그것을 말하는지 둘 다에 대한 철저한 이해가 요구됨 어떻게 이 두 가지의 정보를 융합할 지가 SER에서 중요한 과제 중 하나임 새로운 Multimodal Cross- and Self-Attention Network (MCSAN)을 제안함 MCSAN의 핵심은 병렬적 cross와 self-attention module을 채용하는것 해당 모듈들은 audio와 text의 상호작용 속의 intra와 inter modal 둘 다에 대해 명백히 모델링 하기 위해서 사용 MCSAN은 IEMOCAP와 MELD dataset으로 평가됨 실험은 제안된 모델이 두 datasets 모두에서 state-of-the-art 성능을 보인다는것을 증명함 Intr..

Abstract 최신 연구들은 emotion recognition task를 해결하기 위해 low-level data representations로 deep learning models를 학습함 emotion datasets가 빈번히 data양에 한계를 가지고 이러한 접근들은 overfitting으로 고통받을 수 있으며, 깊이 없는 단서들 기반으로 학습될 것임 이러한 문제를 해결하기 위해서, disentanglement representation learning으로 부터 영감을 받은 새로운 cross-representation speech 모델을 제안함 wav2vec 2.0 speech features로 emotion recognition을 수행함 Transformer-based models에서 추출된 ..