内容简介：

文章目录

摘要
1 简介
2 相关工作
3 全卷积掩码自编码器
4 全局响应归一化
5 ImageNet实验
6 迁移学习实验
7 结论

摘要

论文链接：ConvNeXt V2 在改进的架构和更好的表示学习框架的推动下，视觉识别领域在21世纪20年代初实现了快速现代化和性能提升。例如，以ConvNeXt[52]为代表的现代ConvNets在各种场景中都表现出了强大的性能。虽然这些模型最初是为使用ImageNet标签的监督学习而设计的，但它们也可能受益于自监督学习技术，如蒙面自编码器(MAE)[31]。然而，我们发现，简单地结合这两种方法会导致性能不佳。在本文中，我们提出...

查看原文

? ConvNeXt V2论文翻译：ConvNeXt V2与MAE激情碰撞