Компьютерная наука > Компютерное видение и распознавание шаблонов [представлено 2 июля 2025 года (v1), последний пересмотренный вариант 15 сентября 2026 года (эта версия, v3)] Название: EvMLP: An Effective Architecture-Driven MLP Arbitra for Vision View HTML (экспериментальное) резюме: в то время как CNS и VIT доминируют в архитектурах зрения, все модели MMP предлагают более простую в структурном отношении альтернативу, чья пятнонезависимая обработка естественно подходит для использования временной избыточности видео. Мы представляем эвМLP, архитектуру для всех МП, которая обрабатывает изображения независимо друг от друга и позволяет использовать локальный механизм обновления видеообработки: путем определения межрамочных изменений как «мероприятия» и обработки только тех пластырей, где происходят события, ЭВМЛП избегает ненужных расчетов по неизмененным регионам. Поскольку каждый патч обрабатывается независимо, пропуск без изменений оставляет незатронутыми все другие результаты; при нулевом пороговом значении события механизм производит выходные продукты идентичны плотным исходным условиям, а не приближению. На сайте ImageNet ЭВМLP достигает 73,5 процента точности в верхней части-1 при 1,03 GMAC (с до 77,0 процента с перегонкой знаний и расширенным графиком обучения). На нескольких видеоприборах механизм, ориентированный на конкретные события, позволяет сократить вычислительные расходы на 8,4% - 26,8% при сохранении соответствия выпуска с плотным исходным уровнем. Измерения,…
EvMLP: Эффективная архитектура видения MLP
arXiv: 25007.01927v3 Annualce Type: заменить резюме: в то время как CNN и Vits доминируют в архитектурах зрения, все-MLP модели предлагают более простую в структурном отношении альтернативу, чей пятнистый независимый процесс естественно подходит для использования временной избыточности видео. Мы представляем эвМLP, архитектуру для всех МП, которая обрабатывает изображения независимо друг от друга и позволяет использовать локальный механизм обновления видеообработки: путем определения межрамочных изменений как «мероприятия» и обработки только тех пластырей, где происходят события, ЭВМЛП избегает ненужных расчетов по неизмененным регионам. Поскольку каждый патч обрабатывается независимо, пропуск без изменений оставляет незатронутыми все другие результаты; при нулевом пороговом значении события механизм производит выходные продукты идентичны плотным исходным условиям, а не приближению. На сайте ImageNet ЭВМLP достигает 73,5 процента точности в верхней части-1 при 1,03 GMAC (с до 77,0 процента с перегонкой знаний и расширенным графиком обучения). На нескольких видеосетях механис,