# 分層視覺Transformer

Hiera是一種高效的分層視覺Transformer模型，在圖像和視頻任務中表現優異且運行速度快

UperNet是一種用於語義分割的框架，結合Swin Transformer骨幹網絡實現像素級場景理解

DiNAT-Mini是基於鄰域注意力機制的分層視覺Transformer模型，專為圖像分類任務設計。

Swin Transformer v2是基於ImageNet-21k預訓練並在384x384分辨率下對ImageNet-1k進行微調的視覺Transformer模型，具有分層特徵圖和局部窗口自注意力機制。

Swin Transformer v2是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類和密集識別任務。

Swin Transformer v2是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類和密集識別任務。

Swin Transformer v2是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類。

Swin Transformer v2 是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像處理。

Swin Transformer v2是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類和密集識別任務。

Swin Transformer v2是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類和密集識別任務。

Swin Transformer v2 是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像處理。

Swin Transformer v2 是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類。

Swin Transformer v2是基於ImageNet-1k預訓練的視覺Transformer模型，採用分層特徵圖和局部窗口自注意力機制，具有線性計算複雜度。

Swin Transformer是一種基於分層窗口的視覺Transformer模型，專為圖像分類任務設計，計算複雜度與輸入圖像大小呈線性關係。

Swin Transformer是一種基於分層窗口計算的視覺Transformer模型，在ImageNet-21k數據集上預訓練，適用於圖像分類任務。

Swin Transformer是一種層次化視覺Transformer，通過局部窗口計算自注意力實現線性計算複雜度，適合圖像分類和密集識別任務。

Swin Transformer是一種基於移位窗口的分層視覺Transformer模型，專為圖像分類任務設計。

Swin Transformer是一種基於移位窗口的分層視覺Transformer模型，專為圖像分類任務設計。

Swin Transformer是一種基於移位窗口的分層視覺Transformer，專為圖像分類任務設計，計算複雜度與輸入圖像大小呈線性關係。

Swin Transformer是一種分層視覺Transformer，通過局部窗口計算自注意力實現線性計算複雜度，適合圖像分類任務。

Swin Transformer是一種基於移動窗口的分層視覺Transformer，適用於圖像分類任務。

Swin Transformer是一種基於移動窗口的分層視覺Transformer，在ImageNet-21k數據集上預訓練，適用於圖像分類任務。

Swin Transformer是一種基於分層窗口的視覺Transformer模型，在ImageNet-21k數據集上預訓練，適用於圖像分類任務。