(arxiv2411) CARE Transformer

作者提出了两个问题,问题 1:堆叠是充分利用局部归纳偏差和长距离信息优势的最佳方法吗?

问题 2:是否有可能同时提高线性视觉 Transformer 的效率和准确性?

为了解决这两个问题,作者提出了一种 deCoupled duAl-interactive lineaR attEntion(CARE)。对于问题 1,asymmetrical decoupling strategy可以充分释放线性注意力的潜力。如图 2(b)所示,通过在通道维度上对特征进行解耦,输入无需经过所有的卷积和线性注意力操作。对于问题2,为了充分利用特征的互补性,首先设计了一个动态记忆单元保留关键信息。然后,引入了一个dual interaction module,有效地促进局部偏差和长距离依赖之间以及不同层特征之间的交互。非对称解耦策略节省了学习局部归纳偏差和全局信息的计算成本,而跨特征交互可以灵活有效地利用所学特征中的信息。

模型的总体框架如下图所示,分为四个阶段,每个阶段里有若干 CARE block堆叠。在 CARE block里,首先进行特征的 asymmetrical decoupling,即将输入特征从通道维度分为两部分,一部分进行线性注意力计算,另一部分进行卷积运算。然后特征输入到 dual interaction module 处理,细节如下图所示。在第二次 interaction 里,引入了Z,也就是动态记忆单元。

这个工作在前面重点介绍了"Demystify Mamba in Vision: A Linear Attention Perspective"中提出的MILA,说在该工作中 Linear attention 和 卷积 被堆叠。因此,作者想法是将二两进行不对称解耦。我比较好奇用于 linear attention 和 卷积 两部分的特征比例是如何设置的,也许是我看不够仔细,论文里貌似没有介绍。

相关推荐
NewCarRen26 分钟前
自动驾驶系统的网络安全风险分析
人工智能·web安全·自动驾驶
晚风予星27 分钟前
MCP文件操作服务器:让AI帮你管理文件
人工智能·开源·mcp
勤劳的进取家28 分钟前
论文阅读: Mobile Edge Intelligence for Large LanguageModels: A Contemporary Survey
论文阅读·人工智能·语言模型
GetcharZp30 分钟前
Weaviate从入门到实战:带你3步上手第一个AI应用!
人工智能·后端·搜索引擎
第六五43 分钟前
大型音频语言模型论文总结
人工智能·语言模型·音视频
liliangcsdn1 小时前
hf的国内平替hf-mirror
人工智能
Python图像识别1 小时前
03-基于深度学习的钢铁缺陷检测-yolo11-彩色版界面
人工智能·深度学习
图欧学习资源库2 小时前
人工智能领域、图欧科技、IMYAI智能助手2025年5月更新月报
人工智能·科技
TT-Kun2 小时前
PyTorch 张量核心操作——比较、排序与数据校验
人工智能·pytorch·python·深度学习·机器学习
ccLianLian2 小时前
深度学习·Zegclip&Clip-RC
人工智能·深度学习