将视觉 Transformer 解析为具有动态卷积的卷积神经网络
原文中文，约300字，阅读约需1分钟。发表于：。我们将视觉 Transformer 解释为具有动态卷积的 ConvNets，并在统一框架中比较它们的设计选择，证明了视觉 Transformer 可以以 ConvNets 的设计空间为参考，从而指导网络设计，并展示了如何通过更换激活函数和创建效率更高的深度视觉 Transformer 来提高性能和收敛速度。该统一解释不仅仅适用于给定的示例，希望能够激发社区并产生更先进的网络架构。
该文将视觉Transformer解释为具有动态卷积的ConvNets，并比较了它们的设计选择。作者展示了如何通过更换激活函数和创建效率更高的深度视觉Transformer来提高性能和收敛速度。
