不是所有影象都值16x16個詞，清華與華為提出動態ViT
基於此，研究團隊提出了一種新型的 動態ViT（DVT ）框架 ，目標是 自動配置在每個影象上調節的tokens數量 ，從而實現高計算效率...
華人博士生首次嘗試用兩個Transformer構建一個GAN
在這種好奇心的驅使下，德州大學奧斯汀分校的 Yifan Jiang、Zhangyang Wang，IBM Research 的 Shiyu Chang 等研究者進行了第一次試驗性研究，構建了一個只使用純 transformer 架構、完全沒...
表現優於ViT和DeiT，華為利用內外Transformer塊構建新型視覺骨幹模型TNT
本文還提出了一種 TNT block，其中外 transformer block 用於處理 patch embedding，內 transformer block 用於建模畫素嵌入之間的關係...