
Yapay zekâ ve bilişim
Görsel Transformer (ViT) mimarisi
- Düzen:
- Görüntü yamalarının token dizisine dönüşmesi
- En boy oranı:
- 16:9
İstem
【Görsel Transformer mimarisini】 soldan sağa çizin:
1. 【Giriş görüntüsü (küçük manzara fotoğrafı simgesi) ince çizgilerle kare yama ızgarasına ayrılsın.】
2. 【Yamalar küçük karelerden tek bir sıra halinde dizilsin.】
3. 【Her kare aynı ortak doğrusal izdüşüm kutusundan geçip renkli token çubuğuna dönüşsün; sıranın başında ek bir gri token olsun ve her çubuğa küçük konum işaretleri eklensin.】
4. 【Token sırası uzun bir Transformer kodlayıcı bloğuna girsin; arkasındaki silik üst üste kopyalar etiketsiz olsun.】
5. 【Yalnızca en baştaki gri token küçük MLP başlığı kutusuna ilerlesin; o kutu sınıf için tek çıkış kutusuna yönelsin.】
Bir bileşen birden fazla yerde veya panelde görünüyorsa etiketini yalnızca ilk görünümüne yazın, diğer kopyaları metinsiz bırakın. Hiçbir etiketi tekrarlamayın, verilen yazımı aynen kullanın ve başlık eklemeyin.
Etiketler (her birini yalnızca bir kez kullanın; başka metin eklemeyin): 【Input image, Patches, Linear projection, Class token, Position embedding, Transformer encoder, MLP head, Class】.
Üslup: dergi tarzında şematik diyagram. Beyaz zemin üzerinde temiz, düz vektör grafikler. Modüller, kısa adları içlerinde yazılı yuvarlatılmış dikdörtgenler veya basit simgeler olsun; ilişkili katmanları açık pastel paneller gruplayarak ayırsın. Yalnızca 3–4 düşük doygunluklu renk kullanın ve her rengin anlamı sabit olsun. İnce, eşit kalınlıktaki oklar veri, enerji, madde veya etki akışını; kesikli oklar dolaylı ilişkileri veya geri beslemeyi göstersin. Yalnızca verilen İngilizce etiketleri sans-serif yazı tipiyle kullanın; her etiket tam olarak bir kez ve verilen yazımla yer alsın. 3B render, gölge, parıltı, siberpunk veya teknolojik arka plan süsleri ve fotoğraf gerçekçiliği olmasın.
Yila’yı bu istemle ve örneği referans görsel olarak açar.
Örnekler Nano Banana ile oluşturuldu. İstem GPT Image ve diğer görsel modelleriyle de çalışır; sonuçlar modele göre değişir.






