LSTM杀入视觉！Vision-LSTM：全新的通用视觉主干！

文章预览

点击下方 卡片 ，关注“ CVer ”公众号 AI/CV重磅干货，第一时间送达 重磅！端午节特惠！CVer学术星球最大优惠！ 赠送 新用户 50元 优惠券 (下方左图)， 老用户7折+ 20元 续费券 (下方右图)，每天分享最新最优质的AI/CV内容，涨点idea非常多，最强助力你的科研和工作！还没加入/续费的同学快扫码加入！ 转载自：机器之心 | 编辑：鸭梨、蛋酱 与 DeiT 等使用 ViT 和 Vision-Mamba (Vim) 方法的模型相比，ViL 的性能更胜一筹。 AI 领域的研究者应该还记得，在 Transformer 诞生后的三年，谷歌将这一自然语言处理届的重要研究扩展到了视觉领域，也就是 Vision Transformer。后来，ViT 被广泛用作计算机视觉中的通用骨干。 这种跨界，对于前不久发布的 xLSTM 来说同样可以实现。最近，享誉数十年的 LSTM 被扩展到一个可扩展且性能良好的架构 ——xLSTM，通过指数门控和可并行 ………………………………