Transformer de visión

Vision TransformerViT

También: Vision Transformer, ViT

Transformer que procesa una imagen como secuencia de parches.

Definición técnica

ViT proyecta parches en tokens, añade posiciones y aplica autoatención para clasificación u otras tareas.

Camilo Boo

Automatización de procesos, integración de sistemas y software a medida para reducir tareas manuales y mejorar el control operativo.

Navegación

Ayuda a comprender y aplicar transformer de visión dentro de productos y procesos de IA con criterios explícitos de calidad.

Definir cuándo utilizar transformer de visión, qué entradas requiere y cómo comprobar su resultado.

ViT proyecta parches en tokens, añade posiciones y aplica autoatención para clasificación u otras tareas.

Ejemplo práctico

Una aplicación incorpora transformer de visión y compara la salida con casos representativos antes de automatizar el proceso.

Ejemplo empresarial

Un equipo evalúa calidad, coste, latencia, privacidad y necesidad de revisión humana antes de desplegar transformer de visión.

No debe confundirse con conceptos próximos que persiguen otra salida, usan otra unidad de análisis o requieren una validación diferente.

El resultado depende del modelo, los datos, el idioma o dominio, la configuración y el procedimiento de evaluación.

Puede introducir errores plausibles, pérdida de información, sesgos o decisiones incorrectas si se usa sin revisión y trazabilidad.

Transformer que procesa una imagen como secuencia de parches.

Nivel: Técnico
Categorías: Visión artificial
Recorridos: Diccionario técnico para profesionales Índice alfabético completo de términos

PDF gratuito

Una selección editorial para consultar conceptos relacionados fuera de la web.

An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
arXiv · Autor: Alexey Dosovitskiy et al. · Publicación científica · Publicado el 22 de octubre de 2020
Fuente primaria u oficial para la definición, funcionamiento y límites del concepto.