arXiv cs.LG精选71

REViT-v2：用于等变特征提取的分层窗口化旋转反射等变 ViT

REViT-v2: Hierarchical Windowed Roto-reflection Equivariant ViT for Equivariant Feature Extraction

2026/10/07 12:00· 7天前

精选理由

提出可扩展的旋转与镜像等变视觉Transformer，在ImageNet规模图像上高效提取方向变换稳健的特征。

AI 摘要

arXiv:2610.07585v1 公告类型：交叉收录摘要：我们提出了一种可扩展的旋转反射群等变视觉 Transformer，其基于窗口化群卷积自注意力和分层特征架构。我们证明，该方法可以扩展至具有数百万参数的群等变视觉 Transformer（ViTs），并应用于包含实际应用尺寸图像的大规模数据集，即 ImageNet。所提出的分层窗口化旋转反射等变 ViTs（REViT-v2）的代码和预训练权重可在 https://github.com/kc-ml2/revit 获取。

查看原文（arXiv cs.LG）