Transformers gain huge attention since they are first introduced and have a wide range of applications. Transformers start to take over all areas of deep learning and the Vision transformers paper also proved that they can be used for computer vision tasks. In this paper, we utilized a vision transformer-based custom-designed model, tensor-to-image, for the image to image translation. With the help of self-attention, our model was able to generalize and apply to different problems without a single modification.


翻译:变换器自首次引入以来就得到了极大的关注,并具有广泛的应用。变换器开始接管所有深层学习领域,而“愿景变换器”纸也证明它们可以用于计算机的视觉任务。 在本文中,我们使用了基于视觉变换器的定制模型 — — 高压到图像 — — 来将图像转换为图像。在自我关注的帮助下,我们的变换器能够集思广益,在没有单一修改的情况下应用到不同的问题中。

1
下载
关闭预览

相关内容

专知会员服务
81+阅读 · 2021年7月31日
专知会员服务
29+阅读 · 2021年7月30日
最新《Transformers模型》教程,64页ppt
专知会员服务
310+阅读 · 2020年11月26日
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
54+阅读 · 2019年11月20日
图像分类论文与代码大列表
专知
6+阅读 · 2019年2月16日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Arxiv
19+阅读 · 2021年4月8日
Arxiv
17+阅读 · 2021年1月21日
Arxiv
8+阅读 · 2018年5月1日
VIP会员
Top
微信扫码咨询专知VIP会员