Performer

卷積網路CNN一直是影像辨識的首選，但近日一篇匿名論文（An Image Is Worth 16×16 Words）引起ML社群關注，指出直接用Transformer來處理影像Patch序列，其影像分類能力遠比CNN出色，連DeepMind、Tesla AI總監和發明AlexNet的OpenAI首席科學家都表示期待。該論文正接受AI頂級盛會ICLR 2021的評審，因此無法透露作者姓名。