Tsinghua y Alibaba presentan ViT³, una arquitectura Vision Transformer que logra complejidad computacional lineal para tareas visuales.

Resumen fuente

Tsinghua y Alibaba presentan ViT³, una arquitectura Vision Transformer que logra complejidad computacional lineal para tareas visuales. Esto permite una comprensión práctica de imágenes de alta resolución en dispositivos de borde – un paso importante para la implementación de IA en el mundo real.