跳到正文
arXiv · 机器人与计算机视觉· Zhiguang Liu, Yi Shang·· 20 天前AI 评分70

RoSeViT:用于 ARC 视觉推理的角色分离 Vision Transformer

RoSeViT: Role-Separated Vision Transformers for ARC Visual Reasoning

AI 导读

该论文针对 ARC 视觉推理任务中稠密 Vision Transformer 难以兼顾局部状态与全局变换逻辑的问题,提出了 RoSeViT 架构。该方法通过控制器 token 聚合变换信息与 workspace token 表示网格,利用结构化注意力路由非局部交互。

来源:arXiv · 机器人与计算机视觉 · arxiv.org