Vision-LSTM

与 DeiT 等运用 ViT 和 Vision-Mamba (Vim) 方法的模型相比，ViL 的本能更胜一筹。AI 领域的研讨者应该还记得，在 Transformer 诞生后的三年，谷歌将这一自然语言处置届的重要研讨扩展到了视觉领域，也就是 Vision Transformer。后来，ViT 被广泛用作计算机视觉中的通用骨干。这种跨界，对于前不久发布的 xLSTM 来说同样可以实现。最近，享誉数…