Verified65% confidenceFactTime unknown
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
3
Sources
65%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Hugging Face Transformers：16万Star背后的技术架构与生态解析
githubhuggingface
Related Entities
Related Claims
VerifiedVision 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87% similarVerified2020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85% similarUnverifiedDINOv2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75% similarUnverifiedVision Transformer将图像切分为16×16的patch作为基本处理单元75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/31770API
curl https://kongchang.com/api/v1/knowledge/claims/31770MCP
get_claim(id=31770)