如何评价谷歌提出的 Pix2Seq：将目标检测看成语言建模，效果超过 DETR？ 第1页
1
xiaohuzc 网友的相关建议:
Transformer is only you need！
简单看了一下，挺吃惊的，没有想到目标检测还可以这样搞，而且效果看起来还行，把目标检测看成语言建模，也不需要啥花里胡哨的loss了。
一些开创性的工作都是谷歌做的，如Transformer，Bert，ViT。
1
相关话题
有什么深度学习数学基础书推荐？如何评价微软提出的无监督视觉模型BEiT：ImageNet达到88.6，ADE20K达到57.0？
科技失控到底意味着什么？
推荐系统有什么危害?
自学深度学习是怎样一种体验？
你为什么选择华为？
只利用现有科技，不计成本的发展强人工智能，在短期内能成功吗？
如何看待FAIR提出的8-bit optimizer：效果和32-bit optimizer相当？
如何看待阿里巴巴成立全球研究院“达摩院” 引入顶尖科学家3年研发投入1000亿？
如何评价朱广权battle AI手语主播？AI能否取代手语翻译，造福更多聋哑人？
下一个讨论
硕士方向，选择迁移学习还是自然语言处理？
相关的话题
中国开发一个主流的手机系统到底能有多难？Photoshop 不支持编辑钞票图片吗？
如何评价以巴加沙冲突是「首次 AI 战争」？
深度学习中，模型大了好还是小了好呢？
「绝艺」成为中国国家围棋队指定训练 AI 后会有哪些影响？
人工智能的水平较低是因为数据库不足和运算处理速度不够吗？
计算流体力学（CFD）里应用注意力机制（attention）是否可行？
graph convolutional network有什么比较好的应用task？
你理想的未来 AI 时代什么样？未来 25 年内，各行业、个人生活会有哪些变化？我们该如何准备？
如何评价Hinton组的新工作SimCLR?
有哪些LSTM(Long Short Term Memory)和RNN(Recurrent)网络的教程？
2021年，作为算法工程师的你们会在CV业务落地上用Transformer吗？
把某人的 DNA 序列作为输入，正面照片作为输出，丢到深度神经网络里面学习，可行吗？
如何评价Google提出的MLP-Mixer：只需要MLP就可以在ImageNet上达到SOTA？
如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」？
2019年，计算机视觉领域，你推荐哪些综述性的文章？
如何评价1700亿参数的GPT-3？
人工智能技术如何应用到相亲？
CTC和Encoder-Decoder有什么关系?
如何看待媒体报道称「Facebook将关闭人工智能系统：因AI已经发明语言」？
《星际穿越》中的机器人违反过机器人定律吗？
计算机视觉是否已经进入瓶颈期？
机器狗送快递目前还有哪些瓶颈？
如何看待生活中经常出现「人工智能翻车」的情况，目前人工智能技术究竟发展到什么程度了？
为什么很少人用FFT加速CNN卷积层的运算？
三维重建 3D reconstruction 有哪些实用算法？
如何去构建一家属于【我们自己】的公司（超级合作社）？
相比于时下流行的机器学习方法（联接主义），传统的人工智能方法（符号主义）有什么独一无二的优势？
如何看待华大基因董事长汪建称「未来 5-10 年就可以化学合成任何生命，进展可能比人工智能还快」？
Metaverse是什么？如何看待它？