已验证90% 置信事实时间未知

Vision Transformer（ViT）由Google Brain团队于2020年提出，将Transformer架构引入计算机视觉领域

7

来源数

90%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

PyTorch高效入门：源码驱动的学习方法论

bilibili论文不秃头指南

涉及实体

ViTmodel Google Braincompany

相关事实

已验证Vision Transformer（ViT）由Google在2020年提出，将图像分割为固定大小的patch作为序列输入Transformer编码器87% 相似已验证2020年Google提出的ViT（Vision Transformer）证明将图像切分为16×16小块后，Transformer在图像分类任务上可以达到甚至超越CNN的性能76% 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70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/4647

API

curl https://kongchang.com/api/v1/knowledge/claims/4647

MCP

get_claim(id=4647)