Trasformatore Spazio-Temporale a Blocco Singolo per Ragionamento Multi-Entità

Un nuovo articolo su arXiv (2607.23077) propone un blocco trasformatore spazio-temporale strutturato che modella esplicitamente le interazioni spaziali, temporali e incrociate tra entità in un unico stadio, riducendo la necessità di impilamenti profondi. L'approccio utilizza auto-attenzione spaziale e temporale parallela, attenzione incrociata bidirezionale e fusione gated apprendibile. Valutato sul riconoscimento di attività di gruppo basato su video, raggiunge prestazioni competitive con un costo computazionale inferiore. L'articolo riesamina la modellazione temporale multi-entità da una prospettiva strutturale, scomponendo le dinamiche in tre tipi di interazione.