入围CVPR 2026最佳论文决选，ViT³突破Transformer复杂度瓶颈
在 RTX 3090 上处理 1248 × 1248 分辨率图像时，ViT³-T 的推理速度达到 DeiT-T 的 4.6 倍，GPU 显存消耗降低了 90.3%。
我替你读完了CVPR/ICLR/ICML等顶会的所有【Transformer】论文！
Transformer依然是当下的绝对主流，但简单套用和魔改已经过时，深度和创新性才是顶会审稿人的菜！比如ACL26上关于局部注意力为何有效的论文。此外，解决Transformer的固有缺陷；跨界融合，解决新问题；理论边界研究，像是可解释性等也都备受关注。
ICML 2026 REViT 发布 | 这可能是这个 Transformer 时代，CNN最后的体面
原文作者：公众号“集智实验室”原文链接：https://mp.weixin.qq.com/s/A55BBhD3e_s3VVC7mw1JNw雷峰网转载你是否有过这样的经历：在医疗影像分析中，仅仅因为细胞切片旋转了一个角度，AI诊断模型就给出了截然不同的判断？
入选ECCV 2026！清华开源空间模型打败Gemini：世界变化中持续学习
相机持续移动、视角不断变化、目标时隐时现，空间信息从来不是明确且集中的，而是往往分散在长时间视频流里，模型不仅要“看得见”，更要“记得住、连得起来、还能持续更新”。
梁文锋投了Swin Transformer作者，DeepSeek开始布局具身大脑
啥，DeepSeek又开始给机器人公司投钱了?Winverse AI。Winverse AI于今年才刚刚成立，创始人胡瀚曾在腾讯负责视觉语言及具身智能基础模型相关研究。
突发！华为大模型负责人离职
其代表性论文包括CVPR 2020的《GhostNet: More features from cheap operations》，引用超过6000次，以及TPAMI 2022的《A survey on vision transformer》，引用超过5000次。
世界模型、预测模型之后的AI路在何方？小鹏给出的答案是：TuringViT
封面新闻记者 李继龙在智能驾驶竞争不断升级的背景下，车企之间的较量正从应用层逐渐向底层AI能力延伸。近日，小鹏汽车发布视觉基础模型TuringViT。这是继世界模型、预测模型等技术之后，小鹏今年推出的又一项AI底层技术成果。
一文详解Vision Transformer（ViT）神经网络模型原理
Vision Transformer(简称ViT)，最初是Google团队于2021年提出的将Transformer应用在图像分类的模型，因为其模型“简单”且效果好，可扩展性强（Scalable，模型越大效果越好），成为了Transformer在CV领域应用的里程碑著作。
解读一篇AI论文：大模型是怎么看懂图片？ViT / Vision Transformer
上期我们讲 Transformer，说白了就是一句话： 它让模型不再一个字一个字死读，而是让每个词都能去看别的词。那问题来了：如果 Transformer 能读文字，它能不能读图片？这就是ViT / Vision Transformer最有意思的地方。