#Vision Transformer

20:14AI科研传播指数 36

VidEoMT 视频分割模型：普通 ViT 也能做追踪，最高跑出 160 FPS

研究人员提出纯编码器视频分割模型 VidEoMT。它砍掉了复杂的独立追踪模块，直接用普通 ViT 搭配跨帧查询复用机制追踪目标，在保持竞争力的精度下速度快了 5 到 10 倍，最高达 160 FPS，并开放了代码。