Zobrazeno 1 - 10
of 194
pro vyhledávání: '"Li, Yung-Hui"'
Autor:
Zhou, Zikang, Hu, Haibo, Chen, Xinhong, Wang, Jianping, Guan, Nan, Wu, Kui, Li, Yung-Hui, Huang, Yu-Kai, Xue, Chun Jason
Simulating realistic interactions among traffic agents is crucial for efficiently validating the safety of autonomous driving systems. Existing leading simulators primarily use an encoder-decoder structure to encode the historical trajectories for fu
Externí odkaz:
http://arxiv.org/abs/2405.17372
Autor:
Liu, Hou-I, Galindo, Marco, Xie, Hongxia, Wong, Lai-Kuan, Shuai, Hong-Han, Li, Yung-Hui, Cheng, Wen-Huang
Over the past decade, the dominance of deep learning has prevailed across various domains of artificial intelligence, including natural language processing, computer vision, and biomedical signal processing. While there have been remarkable improveme
Externí odkaz:
http://arxiv.org/abs/2404.07236
Autor:
Suwono, Nicholas Collin, Chen, Justin Chih-Yao, Hung, Tun Min, Huang, Ting-Hao Kenneth, Liao, I-Bin, Li, Yung-Hui, Ku, Lun-Wei, Sun, Shao-Hua
This work introduces a novel task, location-aware visual question generation (LocaVQG), which aims to generate engaging questions from data relevant to a particular geographical location. Specifically, we represent such location-aware information wit
Externí odkaz:
http://arxiv.org/abs/2310.15129
Estimating the joint distribution of on-road agents' future trajectories is essential for autonomous driving. In this technical report, we propose a next-generation framework for joint multi-agent trajectory prediction called QCNeXt. First, we adopt
Externí odkaz:
http://arxiv.org/abs/2306.10508
Autor:
Huang, Guan-Han, Dmitriev, Alexei V., Lin, Chia-Hsien, Chang, Yu-Chi, Hsieh, Mon-Chai, Tsogtbaatar, Enkhtuya, Mendoza, Merlin M., Hsu, Hao-Wei, Lin, Yu-Chiang, Tsai, Lung-Chih, Li, Yung-Hui
Publikováno v:
Radio Science 57 (2022) e2022RS007471
We train a deep learning artificial neural network model, Spatial Attention U-Net to recover useful ionospheric signals from noisy ionogram data measured by Hualien's Vertical Incidence Pulsed Ionospheric Radar. Our results show that the model can we
Externí odkaz:
http://arxiv.org/abs/2209.07581
In recent years, self-supervised learning has been studied to deal with the limitation of available labeled-dataset. Among the major components of self-supervised learning, the data augmentation pipeline is one key factor in enhancing the resulting p
Externí odkaz:
http://arxiv.org/abs/2205.11772
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yang, Chun-Yen, Yu, Chih-Yuan, Lin, You-Li, Hon, Mou-Tuong, Yang, Shao-Jui, Zhang, Yi-Zong, Kang, Hsuan-Chia, Kuo, Yaw-Wen, Lin, Chia-Feng, Wu, You-Lin, Chou, Hsin-Hung, Chen, Hsiang, Li, Yung-Hui, Han, Jung
Publikováno v:
In Results in Physics July 2023 50