待验证50% 置信基准精确时间

基于 Vision Transformer 架构的 ViTPose 在标准基准数据集 COCO 上达到了更高精度

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

433个健身动作开源数据集：结构化字段+动画演示全解析

githubGitHub Trending2026/7/3

相关事实

已验证2020年ViT（Vision Transformer）将图像切分为固定大小的Patch序列送入Transformer处理，打破了CNN的归纳偏置限制65% 相似已验证ViT（Vision Transformer）将图像切分为固定大小的16×16 patch序列后输入标准Transformer65% 相似待验证ViT-S模型在CPU上以fp32精度处理一张512×512图像约需1.4秒61% 相似待验证标准Transformer自注意力计算量随序列长度平方增长，超长上下文通过FlashAttention、RoPE配合YaRN频率插值、稀疏注意力等技术组合实现61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/489948

API

curl https://kongchang.com/api/v1/knowledge/claims/489948

MCP

get_claim(id=489948)