Denoising Vision Transformers
D
Denoising Vision Transformers
简介 :
去噪视觉变换器(Denoising Vision Transformers,DVT)是一种针对视觉变换器(ViTs)的新型噪声模型。通过解剖ViT输出并引入可学习的去噪器,DVT能够提取无噪声的特征,从而在离线应用和在线功能中显著改善基于Transformer的模型的性能。DVT不需要重新训练现有的预训练ViTs,可立即应用于任何基于Transformer的架构。通过在多个数据集上进行广泛评估,我们发现DVT在语义和几何任务中持续显著改善现有的最先进通用模型(例如,+3.84 mIoU)。我们希望我们的研究能够鼓励重新评估ViT设计,特别是关于位置嵌入的天真使用。
需求人群 :
DVT适用于图像去噪、图像特征提取、视觉任务性能改善等场景。
总访问量: 29.7M
占比最多地区: US(17.94%)
本站浏览量 : 56.6K
使用场景
图像去噪:使用DVT模型对包含噪声的图像进行去噪处理。
图像特征提取:利用DVT提取干净的视觉特征用于图像识别任务。
视觉任务性能改善:将DVT应用于改善基于Transformer的视觉模型在语义和几何任务中的性能。
产品特色
解剖ViT输出
引入可学习的去噪器
提取无噪声的特征
改善基于Transformer的模型的性能
不需要重新训练现有的预训练ViTs
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase