研究人员对 Vision Transformer (ViTs) 进行了严谨的架构研究,重点关注其表示结构和泛化行为。该研究识别了初始化时的特征坍塌,并提出了一种减少方案来解决冗余问题。它还使用熵和最小特征值量化特征信息,表明这些指标可以预测泛化性能。值得注意的是,ViT 层内线性子模块的特征被发现对预测泛化至关重要,从而产生了一个改进相关性排序并有助于识别高效 ViT 架构的代理。 AI
影响 为设计更高效的 Vision Transformer 架构和预测其泛化能力提供了见解。
排序理由 该集群包含一篇详细介绍 Vision Transformer 严谨架构研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →