DaViT：Dual Attention Vision Transformers

原论文标题： DaViT: Dual Attention Vision Transformers
作者： Mingyu Ding 等
arXiv： 2204.03645

核心内容

本文提出了一种新的视觉 Transformer 架构，通过空间 token 和通道 token 上的双注意力机制同时捕获全局与局部信息，并通过序列分组维持计算效率。在多个视觉任务上显示了较强性能。:contentReference[oaicite:1]{index=1}