研究人员开发了一种谱视觉变换器(Spectral ViT)架构,旨在实现高效的图像分词,尤其是在数据有限的情况下。与依赖空间块的传统视觉变换器不同,这种新方法将图像分词为固定基的系数,允许序列长度独立于分辨率选择。该方法在包括医学成像、自然图像和物体形状在内的各种基准测试中,尤其是在数据稀缺的情况下,表现出优越或相当的性能。该项目的代码已公开提供。 AI
影响 这种新的分词方法可以提高在数据稀缺环境(尤其是在医学成像等专业领域)中视觉模型的效率和性能。
排序理由 该集群包含一篇详细介绍新模型架构的研究论文。[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 →