arXiv · 机器人与计算机视觉· Shicheng Yin, Kaixuan Yin, Yang Liu, Weixing Chen, Liang Lin·· 22 天前AI 评分15
DART:一种用于视觉基础模型的微分动态自适应区域分词器
DART: Differentiable Dynamic Adaptive Region Tokenizer for Vision Foundation Models
AI 导读
该研究提出 DART,通过可学习的区域分数和基于分位数的划分解决 ViT/Vim 等模型在细节捕捉与计算冗余间的瓶颈。实验显示,配备 DART 的 DeiT-Small(22M 参数)能以近两倍推理速度匹配 DeiT-Base(86M)性能,且在密集预测与时空视频任务中验证了泛化性。代码已开源,但论文因作者 Yang Liu 主动撤回且无 PDF 可供下载。
来源:arXiv · 机器人与计算机视觉 · arxiv.org