视觉Transformer
将Transformer架构应用于图像处理的视觉模型，将图像切分为patch序列后进行自注意力计算，是CLIP、DINOv2等现代视觉模型的骨干网络
时间轴 (近 90 天)
在3D计算机视觉和ML领域，过去需要数周实现的点云处理、NeRF变体或视觉Transformer微调，如今借助代码生成和预训练模型可在数天内完成。
CLIP等视觉Transformer模型可将每类所需图像降至50-100张。
VTF900覆盖卷积网络（基线）、视觉Transformer以及域自适应神经网络三类架构的基准分析。
作者在完全观测的仿真环境中验证了诊断指标的有效性，并将方法应用于六个预训练视觉Transformer模型，在SVG-World基准上测试，并对其中两个模型在CelebA上评估。
论文在全连接网络和视觉Transformer两类架构上，使用MNIST与CIFAR-10数据集验证了该方法
2020年前后Vision Transformer（ViT）的出现标志着计算机视觉领域的范式跃迁，ViT将图像分割为固定大小的块并应用Transformer的自注意力机制处理
全部知识事实 (6)
在3D计算机视觉和ML领域，过去需要数周实现的点云处理、NeRF变体或视觉Transformer微调，如今借助代码生成和预训练模型可在数天内完成。
50%待验证CLIP等视觉Transformer模型可将每类所需图像降至50-100张。
50%待验证VTF900覆盖卷积网络（基线）、视觉Transformer以及域自适应神经网络三类架构的基准分析。
50%待验证论文在全连接网络和视觉Transformer两类架构上，使用MNIST与CIFAR-10数据集验证了该方法
50%待验证2020年前后Vision Transformer（ViT）的出现标志着计算机视觉领域的范式跃迁，ViT将图像分割为固定大小的块并应用Transformer的自注意力机制处理
50%待验证作者在完全观测的仿真环境中验证了诊断指标的有效性，并将方法应用于六个预训练视觉Transformer模型，在SVG-World基准上测试，并对其中两个模型在CelebA上评估。
50%