論文の概要: EViT: An Eagle Vision Transformer with Bi-Fovea Self-Attention
- arxiv url: http://arxiv.org/abs/2310.06629v2
- Date: Sun, 22 Oct 2023 09:27:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-25 06:38:48.364269
- Title: EViT: An Eagle Vision Transformer with Bi-Fovea Self-Attention
- Title(参考訳): EViT:バイフォア自己認識型イーグルビジョントランス
- Authors: Yulong Shi, Mingwei Sun, Yongshuai Wang, Rui Wang, Hui Sun, Zengqiang
Chen
- Abstract要約: 視覚変換器は様々なコンピュータビジョンタスクにおいて競争性能を示した。
ワシ眼におけるBFSA(Bi-Fovea Self-Attention)の生理的構造と特徴にインスパイアされた新規なBFSA(Bi-Fovea Self-Attention)が提案されている。
本研究では,BFSAをベースとした Bionic Eagle Vision (BEV) ブロックを設計した。
- 参考スコア(独自算出の注目度): 11.655231153093082
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Thanks to the advancement of deep learning technology, vision transformer has
demonstrated competitive performance in various computer vision tasks.
Unfortunately, vision transformer still faces some challenges such as high
computational complexity and absence of desirable inductive bias. To alleviate
these problems, a novel Bi-Fovea Self-Attention (BFSA) is proposed, inspired by
the physiological structure and characteristics of bi-fovea vision in eagle
eyes. This BFSA can simulate the shallow fovea and deep fovea functions of
eagle vision, enable the network to extract feature representations of targets
from coarse to fine, facilitate the interaction of multi-scale feature
representations. Additionally, a Bionic Eagle Vision (BEV) block based on BFSA
is designed in this study. It combines the advantages of CNNs and Vision
Transformers to enhance the ability of global and local feature representations
of networks. Furthermore, a unified and efficient general pyramid backbone
network family is developed by stacking the BEV blocks in this study, called
Eagle Vision Transformers (EViTs). Experimental results on various computer
vision tasks including image classification, object detection, instance
segmentation and other transfer learning tasks show that the proposed EViTs
perform effectively by comparing with the baselines under same model size and
exhibit higher speed on graphics processing unit than other models. Code is
available at https://github.com/nkusyl/EViT.
- Abstract(参考訳): 深層学習技術の進歩により、視覚トランスフォーマーは様々なコンピュータビジョンタスクにおいて競争性能を示した。
残念ながら、視覚変換器は高い計算複雑性や望ましい帰納バイアスの欠如など、いくつかの課題に直面している。
これらの問題を緩和するために、ワシ眼における両眼視の生理的構造と特徴に着想を得て、新しいBFSA(Bi-Fovea Self-Attention)を提案する。
このbfsaは、eagle visionの浅いfovea関数と深いfovea関数をシミュレートし、ネットワークがターゲットの特徴表現を粗く細かいものから抽出し、マルチスケールの特徴表現の相互作用を容易にする。
さらに,bfsaに基づくbionic eagle vision (bev)ブロックの設計を行った。
CNNとVision Transformerの利点を組み合わせて、ネットワークのグローバルな特徴表現とローカルな特徴表現の能力を強化する。
さらに、この研究において、Eagle Vision Transformers (EViTs)と呼ばれるBEVブロックを積み重ねることで、統一的で効率的な汎用ピラミッドバックボーンネットワークファミリを開発する。
画像分類,オブジェクト検出,インスタンスセグメンテーション,その他の移動学習タスクを含む様々なコンピュータビジョンタスクの実験結果から,提案したEViTは,同じモデルサイズでのベースラインと比較し,他のモデルよりも高速なグラフィックス処理を行うことを示す。
コードはhttps://github.com/nkusyl/evitで入手できる。
関連論文リスト
- FViT: A Focal Vision Transformer with Gabor Filter [11.655231153093082]
視覚変換器とGaborフィルタの統合による潜在的な利点を再考する。
畳み込みを用いた学習可能なガバーフィルタ(LGF)を提案する。
我々はFocal Vision Transformers (FViTs) と呼ばれる統合的で効率的なピラミッドバックボーンネットワークファミリーを開発している。
論文 参考訳(メタデータ) (2024-02-17T15:03:25Z) - ViT-BEVSeg: A Hierarchical Transformer Network for Monocular
Birds-Eye-View Segmentation [2.70519393940262]
本研究では,バードアイビュー (BEV) マップを生成するために,視覚変換器 (ViT) をバックボーンアーキテクチャとして用いることを評価する。
我々のネットワークアーキテクチャであるViT-BEVSegは、入力画像のマルチスケール表現を生成するために標準視覚変換器を使用している。
我々は、最先端のアプローチと比較してかなり改善されたnuScenesデータセットに対するアプローチを評価した。
論文 参考訳(メタデータ) (2022-05-31T10:18:36Z) - ViTAEv2: Vision Transformer Advanced by Exploring Inductive Bias for
Image Recognition and Beyond [76.35955924137986]
我々は、内在性IBを畳み込み、すなわちViTAEから探索するビジョントランスフォーマーを提案する。
ViTAEはいくつかの空間ピラミッド縮小モジュールを備えており、入力イメージをリッチなマルチスケールコンテキストでトークンに埋め込む。
我々は、ImageNet検証セット上で88.5%のTop-1分類精度と、ImageNet実検証セット上で最高の91.2%のTop-1分類精度を得る。
論文 参考訳(メタデータ) (2022-02-21T10:40:05Z) - Can Vision Transformers Perform Convolution? [78.42076260340869]
画像パッチを入力とする単一のViT層が任意の畳み込み操作を構成的に実行可能であることを示す。
我々は、CNNを表現するビジョントランスフォーマーのヘッド数を低くする。
論文 参考訳(メタデータ) (2021-11-02T03:30:17Z) - ViTAE: Vision Transformer Advanced by Exploring Intrinsic Inductive Bias [76.16156833138038]
コンボリューション, ie, ViTAEから内在性IBを探索するビジョントランスフォーマーを提案する。
ViTAEはいくつかの空間ピラミッド縮小モジュールを備えており、入力イメージをリッチなマルチスケールコンテキストでトークンに埋め込む。
各トランス層では、ViTAEはマルチヘッド自己保持モジュールと平行な畳み込みブロックを持ち、その特徴は融合されフィードフォワードネットワークに供給される。
論文 参考訳(メタデータ) (2021-06-07T05:31:06Z) - Vision Transformers are Robust Learners [65.91359312429147]
ビジョントランスフォーマー(ViT)の一般的な腐敗や摂動、分布シフト、自然逆転例に対する堅牢性について検討します。
ViTsが実際により堅牢な学習者である理由を説明するために、定量的および定性的な指標を提供する分析を提示します。
論文 参考訳(メタデータ) (2021-05-17T02:39:22Z) - Transformers in Vision: A Survey [101.07348618962111]
トランスフォーマーは、入力シーケンス要素間の長い依存関係をモデリングし、シーケンスの並列処理をサポートします。
変圧器は設計に最小限の誘導バイアスを必要とし、自然にセット関数として適しています。
本調査は,コンピュータビジョン分野におけるトランスフォーマーモデルの概要を概観することを目的としている。
論文 参考訳(メタデータ) (2021-01-04T18:57:24Z) - A Survey on Visual Transformer [126.56860258176324]
Transformerは、主に自己認識機構に基づくディープニューラルネットワークの一種である。
本稿では、これらの視覚変換器モデルについて、異なるタスクで分類し、それらの利点と欠点を分析することでレビューする。
論文 参考訳(メタデータ) (2020-12-23T09:37:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。