近日，中国科学院合肥物质科学研究院研究员王红强团队提出了一种基于非对称孪生Transformer的全局-局部对齐注意力模型（AST-GLAA），显著提升了可见光-X光跨模态包裹重识别任务的性能。研究成果发表于《IEEE信息取证与安全汇刊》。
可见光-X光跨模态包裹重识别是安检领域的核心技术，其难点在于两种模态图像存在显著的像素级差异，导致传统方法难以捕捉不同模态间的共性特征。
此次工作中，研究团队创新性地将非对称设计思想引入孪生Transformer架构，提出跨模态非对称孪生Transformer结构，通过在一侧分支嵌入LayerNorm层和模态感知编码，有效增强了模型对跨模态不变特征的提取能力。同时，团队设计了全局-局部跨模态对齐注意力模块，通过建模全局与局部特征的交互关系，在提升细粒度特征表征的同时，解决了跨模态图像空间错位问题。
该研究工作首次将Transformer架构引入跨模态包裹重识别任务，突破了现有方法依赖对称卷积网络的局限。实验表明，该模型在跨模态包裹重识别专用数据集上的关键指标较现有最优方法提升显著，为安检智能化提供了可靠技术支撑。
相关论文信息：https://doi.org/10.1109/TIFS.2025.3592540
近日，中国科学院合肥物质科学研究院研究员王红强团队提出了一种基于非对称孪生Transformer的全局-局部对齐注意力模型（AST-GLAA），显著提升了可见光-X光跨模态包裹重识别任务的性能。研究成......
近日，中国科学院合肥物质科学研究院研究员王红强团队提出了一种基于非对称孪生Transformer的全局-局部对齐注意力模型（AST-GLAA），显著提升了可见光-X光跨模态包裹重识别任务的性能。研究成......
近日，中国科学院合肥物质科学研究院研究员王红强团队提出了一种基于非对称孪生Transformer的全局-局部对齐注意力模型（AST-GLAA），显著提升了可见光-X光跨模态包裹重识别任务的性能。研究成......
近日，我所仿生催化合成研究组（211组）陈庆安研究员团队与浙江大学麻生明院士团队合作，通过双联烯中间体，实现了反芳香性丁富烯的合成。该方法不仅解决了传统方法中对称丁富烯的合成挑战，合作团队还通过对反应......
具有高理论比容量、低氧化还原电位的金属锂负极，有望助力下一代高能量电池的实现。然而，液态电解液体系中金属锂负极的枝晶问题饱受诟病。枝晶生长不但能够导致锂的不可逆容量损失，还可能引发电池短路乃至爆炸。科......
水资源短缺是目前面临的一个全球性问题，对地球上丰富的海水进行淡化则是解决水资源短缺问题的一个重要途径。但传统的海水淡化往往需要高能量消耗，在一些能源短缺的地区难以实现，因此，亟需一种绿色、高效、可持续......
随着社会工业化和信息化进程的加快，工农业生产和日常生活不断消耗大量的油类能源产品和化工制品。通常情况下，工农业产生的油污废水组分十分复杂，不仅含有不溶的油污，往往还含有多种类型的有机以及金属离子等污染......
2017年6月23日，发表于《科学》（Science）上的一篇论文通过设计非对称的谐振系统（能量以不同速率进入、离开谐振腔），打破了一百多年来限制谐振器设计的“时间带宽极限”，这很可能将带来一场器件革......
两个基因完全相同的孪生小鼠在一个充满了玩具和其它小鼠的复杂笼养环境中跑来跑去3个月之后，这两只孪生小鼠发展出了2种非常不同的性格。据研究人员披露，这些不同的个性与这些啮齿动物的海马中诞生出2种神经元有......