[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Puesta a tierra espacial basada en transformadores: un estudio exhaustivo

Created by
  • Haebom

Autor

Ijazul Haq, Muhammad Saqib, Yingjie Zhang

Describir

Este artículo presenta una revisión sistemática de la literatura sobre enfoques de conexión a tierra espacial basados en transformadores entre 2018 y 2025. La introducción de modelos basados en transformadores ha impulsado rápidos avances en el campo de la conexión a tierra espacial, que conecta las representaciones del lenguaje natural con los dominios de la imagen. Sin embargo, se ha carecido de un análisis exhaustivo de las metodologías, el uso de conjuntos de datos, las métricas de evaluación y la aplicabilidad industrial. Mediante la identificación de arquitecturas de modelos clave, conjuntos de datos ampliamente utilizados y métricas de evaluación, y destacando las principales tendencias metodológicas y las mejores prácticas, este estudio proporciona a investigadores y profesionales información esencial y una guía estructurada para el desarrollo de modelos de conexión a tierra espacial basados en transformadores robustos, fiables y con aplicación industrial.

Takeaways, Limitations

Takeaways:
Al organizar y analizar sistemáticamente las principales arquitecturas, conjuntos de datos e indicadores de evaluación del modelo de designación espacial basado en Transformers, sugerimos futuras direcciones de investigación.
Presentamos tendencias metodológicas y mejores prácticas, proporcionando orientación para desarrollar modelos más robustos y confiables.
Considerando su aplicabilidad industrial, proporciona información útil para los profesionales.
Limitations:
Dado que solo cubre la investigación hasta el momento del artículo (2025), es posible que no refleje las últimas tendencias de investigación después de esa fecha.
El análisis puede estar sesgado hacia un modelo o conjunto de datos específico.
Es posible que no hayamos cubierto exhaustivamente todos los estudios relevantes.
👍