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
波士顿动力最新战争机器人，对各国军事平衡产生怎样影响？面对飞速发展的人工智能，我们应该如何调整对孩子的教育？
矩阵低秩的意义?
机器视觉为什么不用手机的镜头，而要用那么大的工业相机？
百度在深度学习上使用Xilinx FPGA?
为什么AI算法工程师要求C++?
「亚马逊语音助手劝主人自杀」事件出现，人工智能的伦理应该由谁监督？
实验室一块GPU都没有怎么做深度学习？
你有哪些deep learning（rnn、cnn）调参的经验？
神经网络模型压缩好就业吗?
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
如何看待 2021 年图灵奖授予美国计算机科学家 Jack J. Dongarra?所谓大数据分析，究竟要学什么？
TensorFlow 中 padding 的 SAME 和 VALID 两种方式有何异同？
深度神经网络（DNN）是否模拟了人类大脑皮层结构？
人工智能在生活中的应用都有哪些？
为什么ViT里的image patch要设计成不重叠？
有哪些人工智能上的事实，没有一定人工智能知识的人不会相信？
在元宇宙世界中，我要怎么证明「我是我」？
为什么不用人工智能造武器？
机器全面代替人工劳动力的那一天，你能如何生存下去？
深度学习图像处理什么时候用到GPU？
关于tensorflow中的滑动平均？
基于深度卷积神经网络进行人脸识别的原理是什么？
如何激怒一个科研工作者？
人工智能相关的岗位薪酬状况如何？
为什么对人工智能而言，医疗诊断是一种非常典型且适合的领域？
最先会被机器人代替的几个职业将会是什么？
如何理解压缩感知(compressive sensing)？
无人车为什么一定要用激光雷达做，双目视觉难道不行吗？
二维傅里叶变换是怎么进行的？
如何评价全新的图片格式BPG，它会在将来彻底取代JPG吗？
计算机视觉有多少分支？
如何看待 Deepmind 宣称最新版 AlphaGo 能让李世乭版本 AlphaGo 三子？
为什么我用相同的模型，数据，超参，随机种子，在两台服务器会得到不同的结果？
除了深度神经网络已经实现的特性以外，大脑还有哪些特性是值得机器学习领域借鉴的？
有没有大佬给点建议，想学人工智能，那本科是学计科然后考研学人工智能或者本科直接读人工智能？
IBM 宣布停止开发人脸识别技术，反对将其用于大规模监视和种族貌相，还有哪些科技手段被涉及反种族歧视？
中信出版集团提问：如果《人类简史》和《未来简史》的作者尤瓦尔要举办一场读（记）者见面会邀请你去参加，你最想问他什么问题？
土木和机器学习/深度学习/算法的交叉岗位在哪里找呀？ 在哪找都找不到招聘公司?
假如我穿越到2017年第一个提出了Transformer、BERT等模型，我可以保送到清华北大吗？