原论文地址:https://arxiv.org/abs/2202.06709
目录
Abstract
论文围绕三点展开:
1.MSA通过平缓神经网络的loss landscape提升准确度和泛化能力,这种能力来自于data specificity而不是long-range dependency(联系两个较远pixel的关系)。
2.MSA是低通滤波器,Conv是高通滤波器,它们功能互补。
3.提出AlterNet,用MSA块代替一个stage结束时的conv块。
1.Introduction
广泛的观点认为MSA的成功来自于弱归纳偏置(weak inductive bias)和长期依赖的捕捉(long-range dependency),由于其over-flexibility特性,导致ViT在训练数据上过拟合。作者对此提出了反对意见。
1.1 Realted Work
从CNN的角度看,MSA是一种特殊的卷积变换,它作用于所有的feature map points,具有large-sized和data-specific的特点。
weak inductive bias真的对MSA的预测能力有所提升吗?作者认为适当的约束实际上可能有助于模型学习强表示,并举了local MSA成功的例子。