研究人员推出了一种新颖的细粒度视觉识别方法——子词视觉Transformer（SubViT），该方法改进了图像的标记化方式。与将整个图像块压缩成单个标记的标准视觉Transformer不同，SubViT使用多个子词来表示关键图像块，以更好地捕捉局部变化。这种方法将更多的处理能力分配给区分性区域，从而增强了模型区分相似类别之间的能力。SubViT在广义类别发现等任务上展示了更高的准确性，在计算成本仅略微增加的情况下优于现有方法。 AI
影响 这种新的标记化方法有望带来更高效、更准确的细粒度图像识别模型。
排序理由 该集群包含一篇详细介绍计算机视觉新模型架构的研究论文。
- arXiv
- CIFAR-10
- DINOv2
- FGVC-Aircraft
- ImageNet-100
- Stanford Cars
- Subtoken Vision Transformer
- Vision Transformers
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
