概念ViT / Vision Transformer
视觉Transformer
将Transformer架构应用于图像处理的视觉模型，将图像切分为patch序列后进行自注意力计算，是CLIP、DINOv2等现代视觉模型的骨干网络
时间轴 (近 90 天)
10月20日
VTF900覆盖卷积网络（基线）、视觉Transformer以及域自适应神经网络三类架构的基准分析。
待验证50%
10月19日
作者在完全观测的仿真环境中验证了诊断指标的有效性，并将方法应用于六个预训练视觉Transformer模型，在SVG-World基准上测试，并对其中两个模型在CelebA上评估。
待验证50%
9月16日
论文在全连接网络和视觉Transformer两类架构上，使用MNIST与CIFAR-10数据集验证了该方法
待验证50%