亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Visual Transformers: Token-based Image Representation and Processing for Computer Vision

失败 计算机科学 像素 安全性令牌 变压器 人工智能 计算机视觉 棱锥(几何) 模式识别(心理学) 数学 工程类 并行计算 几何学 计算机安全 电气工程 电压
作者
Bichen Wu,Chenfeng Xu,Xiaoliang Dai,Alvin Wan,Peizhao Zhang,Masayoshi Tomizuka,Kurt Keutzer,Péter Vajda
出处
期刊:Cornell University - arXiv 被引量:288
标识
DOI:10.48550/arxiv.2006.03677
摘要

Computer vision has achieved remarkable success by (a) representing images as uniformly-arranged pixel arrays and (b) convolving highly-localized features. However, convolutions treat all image pixels equally regardless of importance; explicitly model all concepts across all images, regardless of content; and struggle to relate spatially-distant concepts. In this work, we challenge this paradigm by (a) representing images as semantic visual tokens and (b) running transformers to densely model token relationships. Critically, our Visual Transformer operates in a semantic token space, judiciously attending to different image parts based on context. This is in sharp contrast to pixel-space transformers that require orders-of-magnitude more compute. Using an advanced training recipe, our VTs significantly outperform their convolutional counterparts, raising ResNet accuracy on ImageNet top-1 by 4.6 to 7 points while using fewer FLOPs and parameters. For semantic segmentation on LIP and COCO-stuff, VT-based feature pyramid networks (FPN) achieve 0.35 points higher mIoU while reducing the FPN module's FLOPs by 6.5x.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
spark810完成签到,获得积分0
2秒前
李爱国应助Sanqainli采纳,获得10
21秒前
39秒前
奔跑的蒲公英完成签到,获得积分10
41秒前
1分钟前
卓Celina完成签到,获得积分10
1分钟前
gy发布了新的文献求助10
1分钟前
自信号厂完成签到 ,获得积分10
1分钟前
pgjwl应助科研通管家采纳,获得10
1分钟前
小先生完成签到 ,获得积分10
1分钟前
1分钟前
Sanqainli发布了新的文献求助10
1分钟前
慢慢的地理人完成签到,获得积分10
2分钟前
Sanqainli发布了新的文献求助10
2分钟前
宋枝野完成签到 ,获得积分10
3分钟前
3分钟前
管绯发布了新的文献求助10
3分钟前
pgjwl应助科研通管家采纳,获得10
3分钟前
科目三应助会飞的无忌哥采纳,获得30
3分钟前
4分钟前
TYU2021发布了新的文献求助100
4分钟前
小马甲应助MARS采纳,获得10
5分钟前
5分钟前
MARS发布了新的文献求助10
5分钟前
5分钟前
5分钟前
会飞的无忌哥完成签到,获得积分10
5分钟前
5分钟前
Easypass完成签到 ,获得积分10
6分钟前
6分钟前
埃斯西艾发布了新的文献求助30
6分钟前
寻123发布了新的文献求助10
6分钟前
寻123完成签到,获得积分10
6分钟前
1461644768完成签到,获得积分10
6分钟前
领导范儿应助Sanqainli采纳,获得10
6分钟前
Migue应助科研通管家采纳,获得10
7分钟前
8分钟前
安青兰完成签到 ,获得积分10
8分钟前
微笑小熊猫完成签到,获得积分20
8分钟前
Benhnhk21发布了新的文献求助10
8分钟前
高分求助中
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3121641
求助须知:如何正确求助?哪些是违规求助? 2772108
关于积分的说明 7710828
捐赠科研通 2427434
什么是DOI,文献DOI怎么找? 1289275
科研通“疑难数据库(出版商)”最低求助积分说明 621376
版权声明 600145