如何评价谷歌提出的 Pix2Seq：将目标检测看成语言建模，效果超过 DETR？ 第1页
1
xiaohuzc 网友的相关建议:
Transformer is only you need！
简单看了一下，挺吃惊的，没有想到目标检测还可以这样搞，而且效果看起来还行，把目标检测看成语言建模，也不需要啥花里胡哨的loss了。
一些开创性的工作都是谷歌做的，如Transformer，Bert，ViT。
1
相关话题
如果利用人工智能程序找到一个未见过的好听的和弦进行，但在现有乐理上得不到解释，你们会怎样看待？2021年深度学习哪些方向比较新颖，处于上升期或者朝阳阶段，没那么饱和，比较有研究潜力？
为什么说大模型训练很难？
了解/从事机器学习/深度学习系统相关的研究需要什么样的知识结构？
有哪些优秀的深度学习入门书籍？需要先学习机器学习吗？
法律是否可能被代码化？
围棋人工智能的发展历程是怎么样的？
计算机视觉顶尖期刊和会议有哪些？
若有一天机器人可以代替人类进行大部分工作，《资本论》是否还有意义?
如何评价 PyTorch 团队推出的推荐系统库 TorchRec？
下一个讨论
硕士方向，选择迁移学习还是自然语言处理？
相关的话题
国外AI技术成熟，为什么在AI风控领域中国反超了国外？如何评价 MSRA 最新的 Deformable Convolutional Networks？
如何看待 CMU 新开设的 AI 专业？
transformer中的Q,K,V到底是什么？
如何看待江西省图书馆内两个机器人吵架?
在图像处理中，散度 div 具体的作用是什么？
有没有根据一张人物的立绘正面像，自动生成同风格各侧面角度像并自动衍生表情的软件啊？
《硅谷》第六季两个 AI 把网络聊崩了的情况，现实中有可能发生吗？
人工智能是当前最好的计算机专业吗?
如何评价浪潮发布的2457亿参数源1.0智能大模型？与GPT-3相比如何？处于AI模型领域什么水平？
如何评价阿里巴巴推出的智能音箱「天猫精灵 X1」？
如何看待NVIDIA 即将开源的DLA？
如果百年后深度学习最终有了公认的数学理论作为基础，能解释实验中的各类玄学，那这个理论会长什么样子？
如何理解空洞卷积（dilated convolution）？
世界首条仿生鲸鲨现身上海海昌海洋公园，能上浮下潜自主游动，还能搭载不同传感器，你觉得搭载些什么好呢？
面试官如何判断面试者的机器学习水平？
人工智能领域有哪些精妙的数学原理？
学习SLAM需要哪些预备知识？
如何看待微博上疑似出现来自境外的AI“拳师”？
结合深度学习的图像修复怎么实现？
如何制作个人学术主页？
如何看待 Google 围棋 AI AlphaGo 击败欧洲围棋冠军？
如果你是图灵测试者，你会问机器什么问题？
人工智能的意义和价值是什么？
视觉Transformer如何优雅地避开位置编码？
把某人的 DNA 序列作为输入，正面照片作为输出，丢到深度神经网络里面学习，可行吗？
为什么dropout正则化经常在视觉方面使用而不是其他？
word2vec有什么应用？
DL/ML 模型如何部署到生产环境中？
image caption这个方向更偏向NLP还是CV？