ResoSeg: Resonance Tagger using Transformer and Segment Model
Das Papier stellt ResoSeg vor, ein neuartiges Deep-Learning-Modell, das Transformer- und Segmentierungstechniken kombiniert, um eine gemeinsame Partikelebene-Segmentierung und Ereignisebene-Klassifizierung für das Resonance Tagging durchzuführen, wobei es im Vergleich zu konventionellen Methoden eine signifikant verbesserte Effizienz und Generalisierbarkeit bei der Rekonstruktion von -Zerfällen beim BESIII-Experiment demonstriert.