Verified90% confidenceFactTime unknown
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
Sources
90%
Confidence
Long-term
Relevance
5/31/2026
First Seen
Sources
PyTorch高效入门：源码驱动的学习方法论
bilibili论文不秃头指南
Related Entities
Related Claims
VerifiedVision 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% 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76% similarUnverifiedTransformer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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/4647API
curl https://kongchang.com/api/v1/knowledge/claims/4647MCP
get_claim(id=4647)