近日，中國科學院合肥物質科學研究院研究員王紅強團隊提出了一種基于非對稱孿生Transformer的全局-局部對齊注意力模型（AST-GLAA），顯著提升了可見光-X光跨模態包裹重識別任務的性能。研究成果發表于《IEEE信息取證與安全匯刊》。
可見光-X光跨模態包裹重識別是安檢領域的核心技術，其難點在于兩種模態圖像存在顯著的像素級差異，導致傳統方法難以捕捉不同模態間的共性特征。
此次工作中，研究團隊創新性地將非對稱設計思想引入孿生Transformer架構，提出跨模態非對稱孿生Transformer結構，通過在一側分支嵌入LayerNorm層和模態感知編碼，有效增強了模型對跨模態不變特征的提取能力。同時，團隊設計了全局-局部跨模態對齊注意力模塊，通過建模全局與局部特征的交互關系，在提升細粒度特征表征的同時，解決了跨模態圖像空間錯位問題。
該研究工作首次將Transformer架構引入跨模態包裹重識別任務，突破了現有方法依賴對稱卷積網絡的局限。實驗表明，該模型在跨模態包裹重識別專用數據集上的關鍵指標較現有最優方法提升顯著，為安檢智能化提供了可靠技術支撐。
相關論文信息：https://doi.org/10.1109/TIFS.2025.3592540
近日，中國科學院合肥物質科學研究院研究員王紅強團隊提出了一種基于非對稱孿生Transformer的全局-局部對齊注意力模型（AST-GLAA），顯著提升了可見光-X光跨模態包裹重識別任務的性能。研究成......
近日，中國科學院合肥物質科學研究院研究員王紅強團隊提出了一種基于非對稱孿生Transformer的全局-局部對齊注意力模型（AST-GLAA），顯著提升了可見光-X光跨模態包裹重識別任務的性能。研究成......
近日，中國科學院合肥物質科學研究院研究員王紅強團隊提出了一種基于非對稱孿生Transformer的全局-局部對齊注意力模型（AST-GLAA），顯著提升了可見光-X光跨模態包裹重識別任務的性能。研究成......
近日，我所仿生催化合成研究組（211組）陳慶安研究員團隊與浙江大學麻生明院士團隊合作，通過雙聯烯中間體，實現了反芳香性丁富烯的合成。該方法不僅解決了傳統方法中對稱丁富烯的合成挑戰，合作團隊還通過對反應......
具有高理論比容量、低氧化還原電位的金屬鋰負極，有望助力下一代高能量電池的實現。然而，液態電解液體系中金屬鋰負極的枝晶問題飽受詬病。枝晶生長不但能夠導致鋰的不可逆容量損失，還可能引發電池短路乃至爆炸。科......
水資源短缺是目前面臨的一個全球性問題，對地球上豐富的海水進行淡化則是解決水資源短缺問題的一個重要途徑。但傳統的海水淡化往往需要高能量消耗，在一些能源短缺的地區難以實現，因此，亟需一種綠色、高效、可持續......
隨著社會工業化和信息化進程的加快，工農業生產和日常生活不斷消耗大量的油類能源產品和化工制品。通常情況下，工農業產生的油污廢水組分十分復雜，不僅含有不溶的油污，往往還含有多種類型的有機以及金屬離子等污染......
2017年6月23日，發表于《科學》（Science）上的一篇論文通過設計非對稱的諧振系統（能量以不同速率進入、離開諧振腔），打破了一百多年來限制諧振器設計的“時間帶寬極限”，這很可能將帶來一場器件革......
兩個基因完全相同的孿生小鼠在一個充滿了玩具和其它小鼠的復雜籠養環境中跑來跑去3個月之后，這兩只孿生小鼠發展出了2種非常不同的性格。據研究人員披露，這些不同的個性與這些嚙齒動物的海馬中誕生出2種神經元有......