#Text-Conditioned Vision

1개의 포스트

[논문리뷰] Steerable Visual Representations

저자들은 텍스트 프롬프트로 ViT의 내부 레이어를 직접 제어하는 SteerViT를 제안합니다. SteerViT는 frozen된 ViT 블록들 사이에 21M 개의 파라미터만 추가하는 경량화된 cross-attention 레이어를 삽입하여 텍스트 정보를 주입합니다 .

#Review #Steerable Visual Representations #Vision Transformers #Early Fusion #Cross-Attention #Text-Conditioned Vision #Representational Quality #Zero-Shot Generalization

2026년 4월 2일