TRANSFORMADOR DE VISÃO DE MÚLTIPLOS EIXOS GEOMÉTRICOS

IPC Classification

Priority claims

Abstract

TRANSFORMADOR DE VISÃO DE MÚLTIPLOS EIXOS GEOMÉTRICOS. É fornecido um modelo de atenção eficiente e escalável que pode ser denominado atenção de múltiplos eixos geométricos. Implementações de exemplo podem incluir dois aspectos: atenção local bloqueada e atenção global dilatada. Essas escolhas de projeto permitem interações espaciais globais-locais em resoluções de entrada arbitrárias com complexidade apenas linear. A presente divulgação também apresenta um novo elemento arquitetônico ao combinar efetivamente o modelo de atenção de múltiplos eixos geométricos proposto com convoluções. Além disso, a presente divulgação propõe uma estrutura principal de visão hierárquica simples, cujas implementações de exemplo podem ser denominadas MaxViT, simplesmente repetindo o bloco de construção básico em múltiplos estágios. Notavelmente, o MaxViT é capaz de ver globalmente em toda a rede, mesmo em estágios iniciais de alta resolução.