视觉Transformer（Vision Transformer，简称ViT）是一种基于Transformer架构的视觉深度学习模型。其核心思想是将输入图像分割为固定大小的图像块（Patch），并将其展平为序列，通过引入位置编码并输入标准的Transformer编码器进行处理，从而实现对图像的建模。该模型利用自注意力机制捕捉图像中的长距离全局依赖关系，打破了卷积神经网络（CNN）长期主导计算机视觉领域的格局。自2020年提出以来，ViT及其变体（如Swin Transformer、DeiT）在图像分类、目标检测、语义分割等任务上取得了卓越性能，尤其在大型数据集上预训练后表现优异。视觉Transformer也推动了视觉与自然语言处理任务的范式统一，为多模态人工智能发展奠定了基础。
想要了解更多“视觉Transformer”的信息，请点击：视觉Transformer百科
