Gibbs mass

新的BMFA方法通过解决低估问题提高了Vision Transformer的准确性

研究人员开发了一种名为边界少数自由能自适应筛选（BMFA）的新方法，以解决Vision Transformer中的低估失败问题。当空间上小的、高响应的区域被块均值忽略时，就会发生这种失败，导致吉布斯质量计算不准确。BMFA构建了一个分层近似，该近似根据局部自由能增量递归地细化块。在COCO和ImageNet-1K等数据集上的实验表明，BMFA在保持高准确性的同时显著降低了低估。