SoViT：一种更高效的视觉转换器

**研究团队最新发布的技术论文介绍了SoViT，这是一种针对大小和形状进行了优化的视觉转换器，使用先进的缩放方法，其性能与更大的模型相当，但计算量更少。SoViT在图像分类、字幕生成、视觉问答和零样本转移等各个任务的测试中表现出了其有效性，这表明了一种优化视觉模型的新方向，而不仅仅是扩大规模。** 以下是本文的重点： - 研究团队发布了一种名为SoViT的新型视觉转换器，其大小和形状已经得到优化，使用先进的缩放方法，其性能与更大的模型相当，但计算量更少。 - SoViT在多项任务中进行了测试，包括图像分类、字幕生成、视觉问答和零样本转移等，结果表明其有效性。 - 这项研究为优化视觉模型的方法提供了新的方向，而不是简单地扩大规模。