谷歌 DeepMind 推出 NaViT 模型可显著减少训练时间

GoogleDeepMind推出了NaViT:一种新的ViT模型，它在训练过程中使用序列打包来处理任意分辨率和宽高比的输入。该模型将图像分割成小块，并线性投影到令牌上，形成了这个模型的基础。NaViT在广泛的解决方案范围内都表现出色，为推理时间提供了平滑的性能-成本平衡，并且易于适应新任务无需花费大量资金。