文章预览
来源：我爱计算机视觉 本篇分享论文 TransXNet: Learning both global and local dynamics with a dual dynamic token mixer for visual recognition ，通用的视觉Backbone，TransXNet: 全局动态性+局部动态性=性能强大，代码已开源！ 论文链接：https://arxiv.org/abs/2310.19380 (预印版) 代码链接：https://github.com/LMMMEng/TransXNet 摘要 香港大学计算机科学系俞益洲教授(https://www.cs.hku.hk/~yzyu/)及其研究团队开发了一种新型的通用视觉主干网络—TransXNet，该模型同时融合了全局和局部动态性。其创新之处在于引入了一个即插即用的模块，名为Dual Dynamic Token Mixer（D-Mixer）。 与以往的卷积和self-attention混合模块或全局与局部信息融合模块不同，D-Mixer专注于动态性的捕捉 。 具体来说， D-Mixer能够利用网络上一层的feature map信息，生成用于提取当前层feature maps的全局和局部动态权重，从而显著增强模型对
………………………………
