큰 밀집 커널과 다른 접근
큰 커널을 촘촘하게 계산하는 최근 합성곱 설계와 달리 변형 가능한 합성곱을 중심에 둔다. 입력과 과제 정보에 따라 공간 특징을 적응적으로 집계하는 것이 핵심이다.
대규모 모형으로의 확장
전통적인 합성곱의 엄격한 구조적 가정을 완화하고 큰 매개변수와 많은 자료에서 표현을 학습하려 한다. 넓은 유효 수용 영역은 검출과 분할 같은 후속 과제를 위한 구성이다.
시각 과제의 평가
연구는 이미지 분류와 객체 검출 및 의미 분할에서 모형을 평가했다. 단일 과제의 작은 신경망만을 설계하는 것이 아니라 확장 가능한 합성곱 기반 백본을 조사한 연구다.
관련 문서
ConvNeXt / RepLKNet / Visual Attention Network / HorNet / FocalNet / MaxViT