arXiv · ML· Jefferson Hernandez, Ruozhen He, Guha Balakrishnan, Alexander C. Berg, Vicente Ordonez·· 21 天前AI 评分25
GViT: 使用高斯图像表示进行视觉识别
GViT: Representing Images as Gaussians for Visual Recognition
AI 导读
GViT 将 2D 高斯基元作为 ViT 的输入 Token,在 ImageNet-1K 上 GViT-B 达到 76.9% top-1 准确率。 该框架利用可微渲染器约束参数,通过分类器梯度引导优化高斯的几何与外观,增强了可解释性。
来源:arXiv · ML · arxiv.org