文章预览
以下 文 章来源于微信公众号： 集智书童 作者： 小书童 链接：https://mp.weixin.qq.com/s/zcSUUr32Xrw0-Q25oJahZA 本文仅用于学术分享，如有侵权，请联系 后 台作删文处理 导读 传统视觉Transformer在进行全局建模时，由于二次方复杂度较高，导致模型存在计算成本高、推理速度慢等问题。本文提出了交叉注意力Transformer（CAT）。该方法能 更好地融合图像的 局部信 息 和全局信息， 并显著降低了计算成本。实验证明，该方法在ImageNet-1K、COCO和ADE20K数据集上展现出明显的优势！ 论文连接：https://arxiv.org/abs/2106.05786 代码连接：https://github.com/linhezheng19/CAT 自从Transformer在NLP中得到广泛应用，其在CV领域的潜力也被认识到并激发了许多新方法。然而，在图像分块后，用图像块替换词标记进行Transformer的计算量巨大（例如，ViT），这限制了模型的训练和推理。在本文中，作
………………………………
