TPAMI 2024，基于聚类Transformer进行视觉识别！

文章预览

以下 文 章来源于微信公众号：AI学术工坊 作者： AI学术工坊 链接：https://mp.weixin.qq.com/s/fkzCBmZn0TFImyPLLyDPTg 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 传统的固定视觉标记方法忽视了区域的语义差异。为了解决这一问题，本文提出了标记聚类Transformer（TCFormer），通过动态生成视觉标记来更好地反映图像的语义信息。在多个任务上的实验结果表明TCFormer更加有效，为算法创新提供了新的思路。 TCFormer:通过标记聚类Transformer进行视觉识别 作者：Wang Zeng, Sheng Jin, Lumin Xu, Wentao Liu, Chen Qian, Wanli Ouyang, Ping Luo, Xiaogang Wang 摘要 Transformer 在计算机视觉领域应用广泛，并取得了显著的成功。大多数最先进的方法将图像分割成规则的网格，并用视觉标记表示每个网格区域。然而，固定的标记分布忽略了不同图像区域的语义含义，导致性能不佳。 ………………………………