会员服务
改进何恺明的MAE！GreenMIM：将Swin与MAE结合，训练速度大大提升！
改进何恺明的MAE！GreenMIM：将Swin与MAE结合，训练速度大大提升！
CVer
2+阅读 · 2022年6月1日
杀疯了！Transformer强势闯入CV界秒杀CNN
杀疯了！Transformer强势闯入CV界秒杀CNN
PaperWeekly
0+阅读 · 2022年5月31日
何恺明MAE局限性被打破，与Swin Transformer结合，训练速度大大提升 | 东大&商汤&悉大
何恺明MAE局限性被打破，与Swin Transformer结合，训练速度大大提升 | 东大&商汤&悉大
量子位
0+阅读 · 2022年5月30日
强到离谱！Transformer为何能闯入CV界秒杀CNN？
强到离谱！Transformer为何能闯入CV界秒杀CNN？
CVer
0+阅读 · 2022年4月19日
何恺明团队新作：只用普通ViT，不做分层设计也能搞定目标检测
何恺明团队新作：只用普通ViT，不做分层设计也能搞定目标检测
量子位
1+阅读 · 2022年4月1日
CVPR 2022｜Swin Transformer迎来30亿参数的v2.0，我们应该拥抱视觉大模型吗？
CVPR 2022｜Swin Transformer迎来30亿参数的v2.0，我们应该拥抱视觉大模型吗？
极市平台
0+阅读 · 2022年3月22日
Swin Transformer迎来30亿参数的v2.0，我们应该拥抱视觉大模型吗？
Swin Transformer迎来30亿参数的v2.0，我们应该拥抱视觉大模型吗？
微软研究院AI头条
1+阅读 · 2022年3月17日
凭什么 31x31 大小卷积核的耗时可以和 9x9 卷积差不多？
凭什么 31x31 大小卷积核的耗时可以和 9x9 卷积差不多？
极市平台
0+阅读 · 2022年3月14日
强的离谱，Transformer 杀疯了！
强的离谱，Transformer 杀疯了！
夕小瑶的卖萌屋
0+阅读 · 2022年3月9日
CVPR 2022|从原理和代码详解FAIR的惊艳之作：全新的纯卷积模型ConvNeXt
CVPR 2022|从原理和代码详解FAIR的惊艳之作：全新的纯卷积模型ConvNeXt
极市平台
0+阅读 · 2022年3月6日
从原理和代码详解FAIR去年的惊艳之作：全新的纯卷积模型ConvNeXt
从原理和代码详解FAIR去年的惊艳之作：全新的纯卷积模型ConvNeXt
极市平台
1+阅读 · 2022年2月18日
Swin梅开三度！ETH 开源VRT：刷新视频复原多领域指标的Transformer
Swin梅开三度！ETH 开源VRT：刷新视频复原多领域指标的Transformer
极市平台
0+阅读 · 2022年2月15日
训练2021年每个SOTA模型，他的「核武」策略意外收获Kaggle银牌
训练2021年每个SOTA模型，他的「核武」策略意外收获Kaggle银牌
机器之心
1+阅读 · 2022年2月14日
当Swin Transformer遇上DCN，清华可变形注意力Transformer模型优于多数ViT
当Swin Transformer遇上DCN，清华可变形注意力Transformer模型优于多数ViT
PaperWeekly
1+阅读 · 2022年2月11日
完全基于Transformer的目标检测器，ICLR匿名论文实现视觉、检测统一
完全基于Transformer的目标检测器，ICLR匿名论文实现视觉、检测统一
极市平台
1+阅读 · 2022年2月10日
参考链接
微信扫码咨询专知VIP会员
Top