arXiv · 机器人与计算机视觉· Jefferson Hernandez, Ruozhen He, Guha Balakrishnan, Alexander C. Berg, Vicente Ordonez·· 20 天前AI 评分65
GViT:将图像表示为高斯以进行视觉识别
GViT: Representing Images as Gaussians for Visual Recognition
AI 导读
论文介绍 GViT,一种使用 patch-conditioned 2D Gaussian primitives 作为输入 token 的监督分类框架。ViT-S 编码器预测位置、尺度、方向、颜色和透明度等参数,这些参数既用于通过可微渲染器重建图像,也作为分类器输入。
来源:arXiv · 机器人与计算机视觉 · arxiv.org