QUAN：四元数近似网络实现旋转等变视觉
热点事件持续更新
QUAN：四元数近似网络实现旋转等变视觉
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Bryce Grant 与 Peng Wang 提出四元数近似网络（QUAN），用 Hamilton 积分解把四元数卷积近似为实数运算，并配合自定义 CUDA 内核，用于旋转等变图像分类与目标检测。作者称该做法在保留几何性质的同时便于高效实现。 为稳定训练，作者还提出独立四元数批归一化（IQBN），并将四元数运算扩展到空间注意力机制。论文在 CIFAR-10/100、ImageNet 分类，COCO、DOTA 检测及机器人感知任务上评估 QUAN。上述效果为论文作者陈述，尚待独立验证。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
QUAN：用四元数近似网络提升图像分类与旋转目标检测报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.ROQUAN：用四元数近似网络提升图像分类与旋转目标检测
论文提出四元数近似网络（QUAN），通过 Hamilton 积分解用实数运算近似四元数卷积，并配合自定义 CUDA 内核实现旋转等变图像分类与目标检测。作者还提出独立四元数批归一化（IQBN）以稳定训练，并将四元数运算扩展到空间注意力机制。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。