1
条回答
写回答
写回答
-
在技术上，VAR采用了与GPT-2相似的变压器（Transformer）架构进行视觉自回归学习。这种架构使VAR能够充分利用Transformer模型的长距离依赖能力和有效的序列建模能力，实现多尺度视觉自回归学习。从最低分辨率的标记图开始，模型逐步自回归地提高分辨率，每一步的预测都基于之前所有尺度的标记图。
2024-06-30 22:50:48赞同 2 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
