待验证50% 置信事实精确时间
torchvision.transforms提供大量可组合的变换算子，既有v1接口（针对单张PIL图像或张量），也有v2接口（支持任意输入结构、可与torch.nn.Module组合）。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证DINOv2使用Vision Transformer（ViT）架构，将输入图像划分为固定大小的补丁，每个补丁经Transformer编码后产生高维嵌入向量70% 相似已验证GPT-Image-2很可能采用了原生多模态架构，文本理解和图像生成共享同一个Transformer骨干网络68% 相似待验证Transformer架构被引入视觉生成（如Vision Transformer、DiT架构），使模型能更好理解图像不同区域间的全局关系，适用于多模态场景中文本token和图像token的统一处理67% 相似待验证Meta的Muse Image采用基于Transformer的掩码生成架构,在图像生成速度上具有明显优势66% 相似待验证torchviz和torchview面向PyTorch用户，能根据计算图自动绘制模型结构66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1011339API
curl https://kongchang.com/api/v1/knowledge/claims/1011339MCP
get_claim(id=1011339)