原文：用Transformer进行图像语义分割，性能超最先进的卷积方法！
还在用ViT的16x16 Patch分割方法吗？中科院自动化所提出Deformable Patch-based方法，涨点显著！
我爱计算机视觉    阅542
马毅教授新作：白盒ViT成功实现「分割涌现」，经验深度学习时代即将结束？
天承办公室    阅1
[预训练模型]一文串起从NLP到CV 预训练技术和范式演进
520jefferson    阅113
Transformer在视觉任务中的优异性能
办公达人分享    阅10    转2
NeurIPS 2021 | 又一超强视觉Transformer主干！HRFormer：学习高分辨率...
taotao_2016    阅158    转3
LeCun世界模型出场！Meta震撼发布首个「类人」模型，理解世界后补全半张图，自监督学习众望所归
kibcat    阅3
谷歌最新提出无需卷积、注意力 ，纯MLP构成的视觉架构！网友：MLP is All You Need...
长沙7喜    阅69    转2
各类Transformer都得稍逊一筹，LV-ViT：探索多个用于提升ViT性能的高效Trick
昵称73546223    阅272
谷歌魔改Transformer！一层8个token比1024个还好用！NeurIPS 2021
x_box361    阅99
调整ViT模型的超参数：影响模型性能的关键参数
昵称26407850    阅22
语义分割网络中融合上下文信息的有效性研究
昵称26181007    阅1
今天来聊一聊什么是语义级别的图像分割问题
科技分享小助手    阅3