temporal

S4-Driver: Scalable Self-Supervised Driving Multimodal Large Language Model with Spatio-Temporal

文章主要内容总结本文提出了一种基于多模态大语言模型（MLLM）的可扩展自监督自动驾驶运动规划框架S4-Driver，旨在解决端到端自动驾驶中依赖人工标注和3D空间推理能力不足的问题。核心方法包括：稀疏体表示（SparseVolumeRepresentation）：将多视图、多帧图像的视觉信息聚合到3D空间，通过轻量级投影和门控机制动态选择关键区域，增强模型的3D时空推理能力，且无需微调预训练的视觉

UnknownBody·2025-06-15 15:37

【论文阅读】VideoChat-R1: Enhancing Spatio-Temporal Perception via Reinforcement Fine-Tuning

VideoChat-R1:EnhancingSpatio-TemporalPerceptionviaReinforcementFine-Tuning原文摘要研究现状：强化学习有关方法在视频理解任务中的应用仍未被充分探索。研究目标：方法：采用强化微调（RFT）结合GRPO，专门针对视频MLLMs进行优化。目标：增强模型对视频时空感知的能力。保持模型的通用能力。实验与发现RFT在小样本数据下即可显著提

s1ckrain·2025-06-04 17:41

学习笔记--Structural-RNN: Deep Learning on Spatio-Temporal Graphs

论文链接：https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Jain_Structural-RNN_Deep_Learning_CVPR_2016_paper.pdf此为原创笔记，如需转载请注明Structural-RNN:DeepLearningonSpatio-TemporalGraphs [–AsheshJai

Giving_Kore·2025-05-31 10:43

【论文阅读】PEEKABOO: Interactive Video Generation via Masked-Diffusion

问题：交互控制是未来应用和创意表达的关键功能，但现有模型无法支持对生成视频的时空（spatio-temporal）内容进行灵活控制。核心贡献PEEKABOO方法一种新型的掩码注意力模块（ma

s1ckrain·2025-05-09 04:15

论文笔记：How Can Large Language Models Understand Spatial-Temporal Data?

arxiv2024011introLLM在NLP和CV领域表现出色，但将它们应用于时空预测任务仍然面临挑战，主要问题包括：数据不匹配传统的LLMs设计用于处理序列文本数据，而时空数据具有复杂的结构和动态性，这两者之间存在显著差异模型设计限制现有的时空预测方法通常需要为特定领域设计专门的模型，这限制了模型的通用性和适应性数据稀缺和泛化能力传统的时空预测方法在面对数据稀缺或稀疏的情况下表现不佳，且泛化

UQI-LIUWJ·2025-05-03 13:23

[24.09.28更新NeurIPS‘24]SAM（Segment Anything Model）最新顶会文章汇总

CVPR2024EndowSAMwithKeenEyes:Temporal-spatialPromptLearningforVideoCamouflagedObjectDetection（赋予SAM敏锐的洞察力

Alan.R·2025-05-03 02:11

Pandas for Python: Exception: Data must be 1-dimensional

所以仔细琢磨了下数据，这个时候就头疼python环境的不友好了，没法直接查看，所以使用了jupyterlab，感兴趣的自己弄原始数据里字典的第n项是这个：‘Lobe’:np.array([[‘temporal

woshilsh·2025-04-30 23:36

Sparse4D: Multi-view 3D Object Detection with Sparse Spatial-Temporal Fusion论文解析

一、背景对于基于多视角图像的3D目标检测，现有的工作有两个方向，分别是稀疏检测与基于BEV的检测方法。其中BEV方法是将多视图的图像特征转到BEV空间上执行下游任务，但是它的缺点是BEV特征图的构建需要从各个视角特征图进行稠密的采样工作，BEV构建复杂且资源需求高；并且感知范围受BEV特征图尺度的限制，因此需要在感知范围、效率与准确度间权；此外就是BEV特征图将高度维度压缩，导致其对于一些在高度层

butterfly won＇t love flowers·2025-04-23 14:12

BEVDet4D: Exploit Temporal Cues in Multi-camera 3D Object Detection

背景对于现有的BEVDet方法，它对于速度的预测误差要高于基于点云的方法，对于像速度这种与时间有关的属性，仅靠单帧数据很难预测好。因此本文提出了BEVDet4D，旨在获取时间维度上的丰富信息。它是在BEVDet的基础上进行拓展，保留了之前帧的BEV特征，并将其进行空间对齐后与当前帧对应BEV特征连接。在nuscenes数据集上证明其可行性发现，不仅速度误差mAVE从0.909降低到0.337，在其

butterfly won＇t love flowers·2025-04-22 09:14

【论文精读】Sparse4D v2: Recurrent Temporal Fusion with Sparse Model

1背景团队：地平线时间：代码：简介：这篇论文是Sparse4D的续作，区别主要在于特征时序融合上，新版提高了运算效率。后续端到端SparseDrive的基本框架与这篇基本类似。2存在的问题2.1其他稀疏3D检测的问题PETR是query-based方法，但是为了实现特征融合，进行了全局注意力机制，导致高计算量。2.2Sparse4Dv1的问题Sparse4Dv1的时序特征融合hierarchyfu

EEPI·2025-02-17 12:36

弱监督时间动作定位的等效分类映射Equivalent Classification Mapping for Weakly Supervised Temporal Action Localization

该论文介绍了用于弱监督时间动作定位的等效分类映射（ECM）方法。它将预分类和后分类两种分类流程结合到一个统一的框架中。该方法强调等价机制，确保两个管道之间的分类分数和聚合权重一致。它还提出了一个权重转换模块和等效的训练策略来提高性能。ECM在基准数据集上的动作定位方面显示出有希望的结果，而无需详细的帧级注释。先分类（Pre-classification）和后分类（Post-classificati

六个核桃Lu·2024-02-13 21:26

【论文阅读笔记】UNSUPERVISED REPRESENTATION LEARNING FOR TIME SERIES WITH TEMPORAL NEIGHBORHOOD CODING

UNSUPERVISEDREPRESENTATIONLEARNINGFORTIMESERIESWITHTEMPORALNEIGHBORHOODCODINGABSTRACT 本文提出了一种自监督框架，名为“时间邻域编码”（TemporalNeighborhoodCoding，TNC），用于学习非平稳时间序列的可泛化表示。该方法利用信号生成过程的局部平滑性来定义具有平稳性质的时间邻域。通过使用去偏差对

少写代码少看论文多多睡觉·2024-02-13 11:39

ICLR 2024时空数据（Spatial-Temporal）论文汇总

ICLR（InternationalConferenceonLearningRepresentations）在5月7日-11日在奥地利维也纳举行。今年，ICLR共收到7262篇投稿，总体录用率在31%。本文总结了ICLR24有关时空数据的相关论文，如有疏漏，欢迎大家补充。其中包含时空预测，气象预测，因果推断，时空图神经网络，地理大模型等的应用。供大家学习，欢迎大家补充。1.【Spotlight】N

STLearner·2024-02-10 06:08

WWW 2024 | 时间序列（Time Series）和时空数据（Spatial-Temporal）论文总结

本文总结了WWW2024有关时间序列（TimeSeries）和时空数据（Spatial-Temporal）的相关文章，部分挂在了arXiv上。

STLearner·2024-02-10 06:06

Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting

摘要多步（尺度）预测通常包含一个复杂的输入组合——包括静态（即时不变）协变量、已知的未来输入，以及其他仅在过去观察到的外生时间序列——没有任何关于它们如何与目标相互作用的先验信息。几种深度学习方法已经被提出，但它们通常是“黑盒”模型，并不能阐明它们如何使用实际场景中出现的全部输入。在本文中，我们介绍了时间融合变压器(TFT)——一种新的基于注意的架构，它结合了高性能的多步预测和对时间动态的可解释的

AyyB·2024-02-09 23:30

【图像拼接】论文精读：A fast and stable seam selection algorithm for video stitching based on seam temporal pro

第一次来请先看这篇文章：【图像拼接（ImageStitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用说明、创新思路分享等（不定期更新）图像拼接系列相关论文精读SeamCarvingforContent-AwareImageResizingAs-Rigid-As-PossibleShapeManipulationAdaptiveAs-Natural-As-PossibleImag

十小大·2024-02-09 09:45

完全监督时序动作定位Fully Supervised Temporal Action Localization 论文阅读

proposal+classification目前fullysupervised动作定位算法可以分为两类：top-down和bottom-up。top-down方法通过滑动不同尺度的窗口获取proposals，它的缺陷在于生成的proposals通常在时间上不够精确或不够灵活，无法涵盖不同持续时间动作实例。bottom-up方法分为两个阶段（1)定位时间边界并将边界合并为提案；(2）使用构造的提案

xia.sir·2024-02-04 01:32

SF-Net: Single-Frame Supervision for Temporal Action Localization

SF-NetAbstract1Introduction3ProposedMethod3.1ProblemDefinition3.2Framework3.3PseudoLabelMiningandTrainingObjectives3.4InferenceExperimentsDatasetsImplementationDetailsResultsConclusion备注：机翻，如有侵权，立即删除c

h137437·2024-02-04 01:32

背景点击监督的时序动作定位 Background-Click Supervision for Temporal Action Localization

该论文介绍了BackTAL，这是一种利用背景点击监督进行弱监督时序动作定位的新方法。它将焦点从动作帧转移到背景帧，通过强调背景错误来改进定位。BackTAL包含分数分离模块和亲和力模块，增强了位置和特征建模。Background-Click的说明Click点击级别监督的说明：如上图(a)动作点击监督(橙色显示)在每个动作实例中随机点击一次，记录时间戳和分类标签，是SF-Net使用的。(b)本文使用

六个核桃Lu·2024-02-04 01:01

时序动作定位｜使用 ‘注意力机制’ 的弱监督时序动作定位顶会论文理解笔记（Weakly-Supervised Temporal Action Localization）

目录WeaklySupervisedActionLocalizationbySparseTemporalPoolingNetwork（CVPR2018）W-TALC:Weakly-supervisedTemporalActivityLocalizationandClassification（ECCV2018）

六个核桃Lu·2024-02-04 01:01

Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting

问题背景：交通流量预测忽略时空依赖性。提出模型：Spatio-TemporalGraphConvolutionalNetworks(STGCN)。insteadof常规卷积和递归单元，本文在图上公式化问题，并使用完整的卷积结构构建模型，使得以更少的参数实现更快的训练速度。流量预测分为：短期（5-30min)，中长期（>30min）。RNN迭代训练会累积误差，并且难训练，计算量大。为了解决RNN内在

你爻·2024-01-31 20:01

运动想象脑电分类的脑通道-时间-频谱-注意相关

运动想象脑电分类的脑通道-时间-频谱-注意相关EEG-Channel-Temporal-Spectral-AttentionCorrelationforMotorImageryEEGClassification

有人学习不瞌睡吗·2024-01-27 22:29

spring+date+jpa springboot 按日期模糊查询统计

2021-12-0215:46:003.实体类属性：@DateTimeFormat(pattern="yyyy-MM-ddHH:mm:ss")@Column(name="discover_time")@Temporal

Safe And Sound 521·2024-01-27 19:15

时序动作检测《BMN: Boundary-Matching Network for Temporal Action Proposal Generation》

时序动作检测SSAD《SingleShotTemporalActionDetection》_程大海的博客-CSDN博客_时序动作检测时序动作检测《BSN:BoundarySensitiveNetworkforTemporalActionProposalGeneration》_程大海的博客-CSDN博客时序动作检测《BMN:Boundary-MatchingNetworkforTemporalAct

胖胖大海·2024-01-26 04:21

《Learning Spatio-Temporal Representation with Pseudo-3D Residual Networks》算法详解

论文:LearningSpatio-TemporalRepresentationwithPseudo-3DResidualNetworks官方代码(caffe):https://github.com/ZhaofanQiu/pseudo-3d-residual-networks非官方(pytorch):https://github.com/qijiezhao/pseudo-3d-pytorch由微软

ce0b74704937·2024-01-25 04:31

【CVPR 2023 论文解读】TriDet: Temporal Action Detection with Relative Boundary Modeling

发表时间：CVPR2023作者团队：北航，美团，JDExplore代码链接：GitHub-dingfengshi/TriDet:[CVPR2023]Codeforthepaper,TriDet:TemporalActionDetectionwithRelativeBoundaryModeling[CVPR2023]Codeforthepaper,TriDet:TemporalActionDetec

Taylor不想被展开·2024-01-21 21:26

Temporal Distinctiveness for Self-supervised Privacy-preservation for video Anomaly Detection 论文阅读

TeD-SPAD:TemporalDistinctivenessforSelf-supervisedPrivacy-preservationforvideoAnomalyDetectionAbstract1.Introduction2.RelatedWorks3.Method3.1.ProblemStatement3.2.AnonymizationFramework3.3.Anonymizatio

何大春·2024-01-21 06:34

AgentFormer: Agent-Aware Transformers for Socio-Temporal Multi-Agent Forecasting

摘要预测多个智能体的准确未来轨迹对于自治系统至关重要，但由于智能体之间复杂的相互作用以及每个智能体未来行为的不确定性，这是一个挑战。预测多智能体轨迹需要对两个关键维度进行建模:(1)时间维度，我们对过去的智能体状态对未来状态的影响进行建模；(2)社会维度，我们对每个主体的状态如何影响他人进行建模。大多数现有方法分别对这两个维度建模，例如，首先使用时间模型独立地总结每个代理随时间变化的特征，然后用社

学号高并发·2024-01-20 19:46

【Flink】Flink1.12.0 FlinkSQL消费Kafka 使用 temporal join 关联维表Hive 最新分区数据 join 不上

文章目录1.概述2.场景12.1概述2.2解决1.概述2.场景12.1概述场景是这样的FlinkSQL消费kafka关联Hive维表最新分区刚开始我往Hive维表里筛了10条左右数据运行FlinkSQL能输出结果关联上后面我重新删除分区重新往Hive维表里筛了6000多条数据运行FLinkSQL竟然关联不上为什么呀？而且之前能关联上的也关联不上程序无报错映射KafkaCREATETABLEhive

九师兄·2024-01-20 11:27

【flink番外篇】15、Flink维表实战之6种实现方式-通过Temporal table实现维表数据join

Flink系列文章一、Flink专栏Flink专栏系统介绍某一知识点，并辅以具体的示例进行说明。1、Flink部署系列本部分介绍Flink的部署、配置相关基础内容。2、Flink基础系列本部分介绍Flink的基础部分，比如术语、架构、编程模型、编程指南、基本的datastreamapi用法、四大基石等内容。3、FlikTableAPI和SQL基础系列本部分介绍FlinkTableApi和SQL的基

一瓢一瓢的饮 alanchanchn·2024-01-20 11:20

SAR 电磁波吸收比 --- 专业术语

SAR专业术语英文中文1attenuationcoefficient衰减系数2average(temporal)absorbedpower平均(时间)吸收功率3axialisotropy各向同性轴向4basicrestriction

Risehuxyc·2024-01-20 00:22

R语言【paleobioDB】——pbdb_temporal_resolution()：展示化石数据的时空分辨率

Usagepbdb_temporal_resolution(data,do.plot=TRUE)Arguments参数【d

ALittleHigh·2024-01-19 23:56

交通流量预测：T-GCN A Temporal Graph Convolutional Network for Traffic Prediction

发呆哥o_o ....·2024-01-17 22:01

交通流量预测STFGNN：Spatial-Temporal Fusion Graph Neural Networks for Traffic Flow Forecas

Introduce然而，现有的大多数模型只利用给定的空间邻接矩阵对图进行建模，并且在对邻接矩阵进行建模时忽略了节点之间的时间相似性。STGCN扩张率增加，可能会丢失局部信息。STSGCN(Song等人2020)尝试通过局部化的时空同步图形卷积模块将空间块和时间块结合在一起，而不考虑全局相互影响。主要贡献我们通过数据驱动的方法构建了一种新的图，该图保留了隐藏的时空依赖。这种数据驱动的邻接矩阵能够提取

发呆哥o_o ....·2024-01-17 22:01

Java8 新的日期/时间API操作和示例

目录1、Java8新的日期/时间API操作（1）LocalDate、LocalTime和LocalDateTime时间类（2）Instant、Duration和Period时间间隔类（3）Temporal

swadian2008·2024-01-17 14:55

R语言【paleobioDB】——pbdb_richness()：绘制指定类群的数量丰度

Usagepbdb_richness(data,rank,res,temporal_extent,colour,bord,

ALittleHigh·2024-01-16 09:01

Flink-SQL——时态表(Temporal Table)

时态表(TemporalTable)文章目录时态表(TemporalTable)数据库时态表的实现逻辑时态表的实现原理时态表的查询实现时态表的意义Flink中的时态表设计初衷产品价格的例子——时态表汇率的例子——普通表声明版本表声明版本视图声明普通表一个完整的例子测试数据代码实现测试结果总结数据库时态表的实现逻辑这里我们需要注意一下的是虽然我们介绍的是Flink的TemporalTable但是这个

不二人生·2024-01-16 09:51

论文阅读：Online Spatio-temporal Calibration of Tightly-coupled Ultrawideband-aided Inertial Localization

前言OnlineSpatio-temporalCalibrationofTightly-coupledUltrawideband-aidedInertialLocalization这篇论文是发布在IROS2021上的一篇文章，主要针对载体上的MU和UWB进行空间校准与时间校准。一、问题背景GPS拒止：在室内环境中缺乏一种有效的定位方案，并且在城市峡谷中GPS性能会显著下降。基于相机IMU的定位系统

独孤西·2024-01-16 06:06

《TDN: Temporal Difference Networks for Efficient Action Recognition》论文详解

论文地址：https://arxiv.org/abs/2012.10071代码地址：https://github.com/MCG-NJU/TDN该文章在2020年12月份发表于arxiv，文章提出了short-termTDM和long-stermTDM模块来高效的获取localmotion信息和globalmotion信息。从而在速度和精度上都取得了较好的成绩。一、网络结构网络结构如下图所示，从图

ce0b74704937·2024-01-15 20:45

2023(TranSkeleton):TranSkeleton: Hierarchical Spatial-Temporal Transformer for Skeleton-Based Action

TranSkeleton:HierarchicalSpatial-TemporalTransformerforSkeleton-BasedActionRecognitionAbstract1.INTRODUCTION2.METHOD2.1OverviewofTranSkeleton2.2Partition-AggregationTemporalTransformer2.3Topology-Awar

盖盖的博客·2024-01-13 08:01

TCN 时序卷积网络（temporal convolutional network）【因果卷积、空洞卷积】

文章目录TCN时序卷积（temporalconvolutionalnetwork）1.因果卷积2.膨胀卷积TCN时序卷积（temporalconvolutionalnetwork）它由膨胀卷积核因果卷积两种卷积构成。如图：左边是膨胀因果卷积，右边是1x1卷积构成的残差连接，两条链路并行，构成残差块，残差块在串联构成时序卷积神经网络。TCN的优点：可并行化计算：TCN采用卷积操作，可以进行高效的并行

In 2029·2024-01-11 11:21

Exploiting Temporal Context for Tiny Object Detection(WACV2023)

文章目录AbstractIntroductionContributionRelatedWorkMethodsYOLOv5OverviewT-YOLOv5:ExploitTemporalContextT2-YOLOv5:Two-StreamApproachConclusionhhAbstract在监视应用中，微小、低分辨率物体的检测仍然是一项具有挑战性的任务。大多数深度学习目标检测方法依赖于从静止图

怎么全是重名·2024-01-10 10:26

强化学习的数学原理学习笔记 - 时序差分学习（Temporal Difference）

文章目录概览：RL方法分类时序差分学习（TemporalDifference，TD）TDforstatevaluesBasicTDTDvs.MCSarsa(TDforactionvalues)BasicSarsa变体1：ExpectedSarsa变体2：n-stepSarsaQ-learing(TDforoptimalactionvalues)TD算法汇总*随机近似（SA）&随机梯度下降（SGD）

Green Lv·2024-01-08 15:40

论文笔记：Accurate Map Matching Method for Mobile Phone Signaling Data Under Spatio-Temporal Uncertainty

IEEETRANSACTIONSONINTELLIGENTTRANSPORTATIONSYSTEMS20231intro1.1背景1.1.1GPS、CDR与MSD数据之前的地图匹配主要是针对GPS数据GPS数据在全球范围内可用且在定位上相对精确然而，GPS也存在一些局限性作为主动生成的数据，GPS耗能大由于需要主动收集，GPS可能无法随时随地获得——>以上两点都限制了GPS数据的规模蜂窝详细记录(

UQI-LIUWJ·2024-01-05 19:13

Ref 系列 UniRef++: Segment Every Reference Object in Spatial and Temporal Spaces 论文阅读笔记

Ref系列UniRef++:SegmentEveryReferenceObjectinSpatialandTemporalSpaces论文阅读笔记一、Abstract二、引言三、相关工作3.1统一的模型3.2特定任务的目标分割指代图像分割Few-shot分割指代视频目标分割视频目标分割四、方法4.1总览4.2指代编码Few-shotSegmentationandVideoObjectSegment

乄洛尘·2023-12-31 08:34

Java：时间操作

在Java中，java.time.temporal.ChronoUnit是用于在日期和时间单位之间进行计算和操作的枚举类型。

93度的饼干·2023-12-30 19:13

STTran: Spatial-Temporal Transformer for Dynamic Scene Graph Generation

文章目录0Abstract1Introduction2RelatedWork3Method3.1Transformer3.2RelationshipRepresentation3.3Spatio-TemporalTransformer3.3.1SpatialEncoder3.3.2FrameEncoding3.3.3TemporalDecoder3.4LossFunction3.5GraphGen

路过的风666·2023-12-30 01:28

An Overview:Maritime Spatial-Temporal Trajectory Mining 论文阅读笔记

1引言在轨迹数据挖掘研究中，大多数研究都是集中在城市轨迹上，这些研究有更多的数据来源，如交通监控系统，手机和GPS等。然而，随着海上目标数量的增加，海洋空间-时空轨迹挖掘逐渐变的重要起来。海洋空间-时空轨迹主要包含一系列的位置和时间，同时还需要考虑与目标相关的信息，例如环境信息等。目前。海洋空间-时空轨迹有许多数据源，如识别系统（AIS）、地理信息系统（GIS）和雷达等。我们可以从AIS获取位置和

m0_59167578·2023-12-29 22:26

model free Temporal-Difference Learning-prediction

文章目录前言Temporal-DifferenceLearning1.特点2.MC与TD3.MC与TD优缺点：（1）整体看（2）偏差与方差平衡（3）AB状态的例子MC、TD、DP比较4.TD总结前言RL

爱宇小菜涛·2023-12-28 01:46

Modeling Long- and Short-Term Temporal Patterns with DeepNeural Networks

ThispaperwaspulishedatSIGIR’18,July2018,AnnArbor,MI,USA一、简介LSTNet是一种用于时间序列预测的深度学习模型，其全称为Long-andShort-termTime-seriesNetworks。LSTNet结合了长短期记忆网络（LSTM）和一维卷积神经网络（1D-CNN），能够有效地处理长期和短期时间序列信息，同时还能够捕捉序列中的季节性和

流浪的诗人，·2023-12-27 09:58

推荐频道