CVPR 2022｜MPViT：用于密集预测的多路径视觉Transformer

↑ 点击蓝字 关注极市平台作者丨李欣@知乎（已授权）来源丨https://zhuanlan.zhihu.com/p/478325208编辑丨极市平台极市导读 在这项工作中，作者们以与现有 Transformer 不同的视角，探索多尺度path embedding与multi-path结构结构，构建多路径视觉 Transformer (MPViT)。大量的实验也表明表明 MPViT 可以作为各种视觉任务的多功能骨干网络。 >>加入极市CV技术交流群，走在计算机视觉的最前沿论文链接：https://arxiv.org/abs/2112.11010代码链接：https: //git.io/MPViTIntroduction在这项工作中，作者以不同于现有Transformer的视角，探索多尺度path embedding与multi-path结构，提出了Multi-path Vision Transformer(MPViT)。通过使用 overlapping convolutional patch embedding，MPViT同时嵌入相同大小的patch特征。然后，将不同尺度的Token通 ………………………………