Akademik arama
“Öz-Dikkat” için 1 doğrulanmış makale incelemesi bulundu.
Mühendislik ve Teknoloji · Bilgisayar ve Elektrik Mühendisliği
Video verilerinin işlenmesi, sürekli görsel sinyaller olan görüntüler ile sıralı bir yapı sunan doğal dil işlemenin kesişim noktasında yer alır. Ancak video alanı, eklenen zaman boyutu nedeniyle yüksek verisel boyutluluk, yüksek derecede bilgi fazlalığı ve dinamik hareket yapılarını modelleme gereksinimi gibi kendine özgü zorluklar barındırmaktadır. Transformer modelleri uzun erimli bağımlılıkları modellemede başarılı olsa da karesel hesaplama karmaşıklığı ve uzamsal-zamansal türevlenebilir önyargıların eksikliği nedeniyle video verilerinde ciddi verimlilik sorunlarıyla karşılaşmaktadır. Literatürdeki mevcut taramalar genel vizyon veya çok modlu yapılara odaklanırken, doğrudan ham video dizilerinin ve uzamsal-zamansal görsel özniteliklerin Transformer yapılarıyla işlenmesine ilişkin derinlemesine analiz eksik kalmıştır.