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
如何看待人工智能领域的很多专家认为「人工智能将对人类存亡造成威胁」的观点？研一，在学机器学习和深度学习，为什么感觉越学越不会，怎么解决这个问题？
目标检测算法有哪些？
法律是否可能被代码化？
PyTorch中在反向传播前为什么要手动将梯度清零？
如何评价Yann LeCun宣称『他已经做好放弃概率论的准备』？
做底层 AI 框架和做上层 AI 应用，哪个对自己的学术水平（或综合能力）促进更大？
如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」？
图片上训的模型，怎么迁移视频上呢？
如何看待饶毅的「人工智能还是伪智能」命题？
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
目前土木工程和人工智能结合的课题有哪些？如何看待 ICLR2021 的拒稿被评为 ACL2021 的 Best Paper?
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？
计算机视觉（cv）方向今年招聘情况怎么样?是否已经人才过剩?
人工智能相关的岗位薪酬状况如何？
AI 时代来临之际，学什么有用？
计算机视觉和自然语言处理，哪个更具有发展前景呢，还是各有千秋呢？
神经网络的损失函数为什么是非凸的?
在工作中或者学习中，有接触过哪些关于自然语言处理的应用？
如何看待刘慈欣「未来人类必须改变不劳动者不得食的观念」的观点？
如何看待周志华等人的新书《机器学习理论导引》？
CVPR 2015 有什么值得关注的亮点？
当前深度学习理论基础薄弱是否意味着我们应该放弃深度学习应用(计算机视觉、自然语言处理)？
为什么有些学数学的看不惯甚至鄙视 Deep Learning？
2021年，作为算法工程师的你们会在CV业务落地上用Transformer吗？
深度学习attention机制中的Q,K,V分别是从哪来的？
未来有什么工作绝对不会被人工智能（AI）取代？
刚进算法团队，大牛们讨论高深的cv术语和算法，如何才能听懂？
能否搜索某视频的其中一帧画面？或者通过一张图片搜索此图来自哪个视频？
何恺明目前的学术成果是否够得上计算机视觉领域历史第一人？
如果你是面试官，你怎么去判断一个面试者的深度学习水平？
如何看待Transformer在CV上的应用前景，未来有可能替代CNN吗？
这样的AI是真的吗？
未来10-20年开发岗程序员会被AI人工智能取代吗？
机器学习，深度神经网络等方法是否是正确的方向？
如何评价余凯在朋友圈发表呼吁大家用 caffe、mxnet 等框架，避免使用 TensorFlow？
如何评价Yann LeCun宣称『他已经做好放弃概率论的准备』？
人工智能领域有哪些精妙的数学原理？
机器人抓取时怎么定位的？用什么传感器来检测？
如何评价百度收购渡鸦科技？