十六个图块,只有四个进入编码器

P20 学习表示机制图,状态 2P20 学习表示机制图,状态 2MAE 教学网格 · 16 块中保留 0、3、9、1401234567891011121314154 块可见,12 块隐藏块 0位置 0块 3位置 3块 9位置 9块 14位置 14编码器只处理这 4 块隐藏位置不送入 mask token4 / 16 是输入块数量;并不等于整个系统必然加速 4 倍。
4 块可见输入携位置进入编码器,12 块不输入。 · 在课堂播放器中查看

4×4共16块,固定可见0、3、9、14四块携位置进入编码器,12个隐藏块不输入。

返回同一状态