机构名称：
¥ 1.0
变压器最初用于自然语言处理，但仍被广泛用作计算机视觉中的通用骨架。最近，长期短期内存（LSTM）已扩展到可扩展的性能架构 - XLSTM，该架构通过凸起的门控和可行的矩阵存储器结构克服了长期存在的LSTM限制。在本报告中，我们会引入Vision-LSTM（VIL），XLSTM构建块的改编对计算机视觉。vil包括一堆XLSTM块，其中奇数块处理了从上到下的贴片令牌的序列，而甚至块也从底部到顶部。实验表明，VIL有望进一步部署为计算机视觉体系结构的新通用骨干。项目页面：https：//nx-ai.github.io/vision-lstm/
vision-lstm：XLSTM作为通用视觉骨干
主要关键词
相关文件推荐
