« Réseau autoattentif visuel multiéchelle » : différence entre les versions

Version du 28 septembre 2024 à 10:28

en construction

Définition

Le réseau autoattentif visuelle multiéchelle est un modèle servant à modéliser des données visuelles comme des images ou des vidéos. Il relie les concepts fondamentaux des hiérarchies des caractéristiques multiéchelles et du réseau autoattentif. Le réseau autoattentif visuel multiéchelle comporte plusieurs niveaux d'analyse pour la résolution des cannaux, contrairement aux réseaux autoattentif conventionnels.

Voir aussi canal

Français

réseau autoattentif visuel multiéchelle

Anglais

multiscale vision transformers

MViT

The Multiscale Vision Transformer (MViT) is a model used for modeling visual data such as images and videos. MVit aims to connect the fundamental concepts of multiscale features hierarchies with the transformer model and unlike conventional transformers, MViT has several channel resolution ‘scale’ stages.

Source

Source : arxiv

Source : ai.meta

@@ Ligne 2 : / Ligne 2 : @@
 == Définition ==
-XXXXXXXXX
+Le réseau autoattentif visuelle multiéchelle est un modèle servant à modéliser des données visuelles comme des images ou des vidéos. Il relie les concepts fondamentaux des hiérarchies des caractéristiques multiéchelles et du '''[[réseau autoattentif]]'''. Le réseau autoattentif visuel multiéchelle comporte plusieurs niveaux d'analyse pour la résolution des cannaux, contrairement aux réseaux autoattentif conventionnels.
+Voir aussi '''[[canal]]'''
 == Français ==
-''' XXXXXXXXX '''
+''' réseau autoattentif visuel multiéchelle '''
 == Anglais ==
-''' Multiscale Vision Transformers'''
+''' multiscale vision transformers'''
+''' MViT'''
- We present Multiscale Vision Transformers (MViT) for video and image recognition, by connecting the seminal idea of multiscale feature hierarchies with transformer models. Multiscale Transformers have several channel-resolution scale stages. Starting from the input resolution and a small channel dimension, the stages hierarchically expand the channel capacity while reducing the spatial resolution. This creates a multiscale pyramid of features with early layers operating at high spatial resolution to model simple low-level visual information, and deeper layers at spatially coarse, but complex, high-dimensional features. We evaluate this fundamental architectural prior for modeling the dense nature of visual signals for a variety of video recognition tasks where it outperforms concurrent vision transformers that rely on large scale external pre-training and are 5-10x more costly in computation and parameters. We further remove the temporal dimension and apply our model for image classification where it outperforms prior work on vision transformers.
+''The Multiscale Vision Transformer (MViT) is a model used for modeling visual data such as images and videos. MVit aims to connect the fundamental concepts of multiscale features hierarchies with the transformer model and unlike conventional transformers, MViT has several channel resolution ‘scale’ stages.''
@@ Ligne 20 : / Ligne 24 : @@
-[[Catégorie:vocabulary]]
+[[Catégorie:publication]]

« Réseau autoattentif visuel multiéchelle » : différence entre les versions