输入一个热词，快速查看术语含义、常见场景和相关概念。
集中展示常见热词解释，方便按概念和场景继续浏览。
Vision Transformer（ViT）是一种将Transformer架构从自然语言处理迁移到计算机视觉领域的模型，它直接处理图像块序列，无需卷积神经网络中的卷积和池化操作，在大型数据集上表现优异，成为图像分类、目标检测等任务的主流方案。
近期常被查询的 AI 概念。
