Truong Son Hy

Explorando métodos avançados para uma análise eficaz de dados em grafo.

ESGNN melhora a geração de grafos de cena a partir de nuvens de pontos 3D mantendo a simetria.

O SAMSA melhora a eficiência de autoatenção para vários tipos de dados.

Um modelo de transformer melhorado, feito pra lidar de forma eficiente com múltiplos tipos de dados.

Um novo autoencoder melhora o aprendizado de representação de gráficos em várias aplicações.

TESGNN melhora a compreensão de cena por máquina através do processamento de dados temporais e espaciais.

GROOT melhora a eficiência do design de proteínas usando informações mínimas.

ConxGNN quer melhorar como os robôs entendem emoções durante o papo.