强大的视觉表达学习者：重塑 Image-GPT
原文约300字，阅读约需1分钟。发表于：。本文介绍了 D-iGPT，这是对 image-GPT 进行改进的一种方法，通过将预测目标从原始像素转移到语义标记上，实现对视觉内容的更高级理解，并通过预测可见标记来补充自回归建模，实现了更好的效果。实验证明，D-iGPT 在 ImageNet-1K 数据集上取得了令人瞩目的成绩，并在下游任务中表现出较强的泛化能力和在分布外样本上的鲁棒性。
D-iGPT是对image-GPT的改进方法，通过将预测目标转移到语义标记上，实现对视觉内容的高级理解。D-iGPT在ImageNet-1K数据集上取得了令人瞩目的成绩，并在下游任务中表现出较强的泛化能力和鲁棒性。
