Sep, 2023
将视觉Transformer解析为具有动态卷积的卷积神经网络
Interpret Vision Transformers as ConvNets with Dynamic Convolutions
TL;DR我们将视觉Transformer解释为具有动态卷积的ConvNets,并在统一框架中比较它们的设计选择,证明了视觉Transformer可以以ConvNets的设计空间为参考,从而指导网络设计,并展示了如何通过更换激活函数和创建效率更高的深度视觉Transformer来提高性能和收敛速度。该统一解释不仅仅适用于给定的示例,希望能够激发社区并产生更先进的网络架构。