Hiera是一种高效的分层视觉Transformer模型，在图像和视频任务中表现优异且运行速度快

UperNet是一种用于语义分割的框架，结合Swin Transformer骨干网络实现像素级场景理解

DiNAT-Mini是基于邻域注意力机制的分层视觉Transformer模型，专为图像分类任务设计。

Swin Transformer v2是基于ImageNet-21k预训练并在384x384分辨率下对ImageNet-1k进行微调的视觉Transformer模型，具有分层特征图和局部窗口自注意力机制。

Swin Transformer v2是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像分类和密集识别任务。

Swin Transformer v2是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像分类和密集识别任务。

Swin Transformer v2是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像分类。

Swin Transformer v2 是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像处理。

Swin Transformer v2是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像分类和密集识别任务。

Swin Transformer v2是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像分类和密集识别任务。

Swin Transformer v2 是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像处理。

Swin Transformer v2 是一种视觉Transformer模型，通过分层特征图和局部窗口自注意力机制实现高效的图像分类。

Swin Transformer v2是基于ImageNet-1k预训练的视觉Transformer模型，采用分层特征图和局部窗口自注意力机制，具有线性计算复杂度。

Swin Transformer是一种基于移动窗口的分层视觉Transformer，适用于图像分类任务。

Swin Transformer是一种层次化视觉Transformer，通过局部窗口计算自注意力实现线性计算复杂度，适合图像分类和密集识别任务。

Swin Transformer是一种基于移位窗口的分层视觉Transformer模型，专为图像分类任务设计。

Swin Transformer是一种基于移位窗口的分层视觉Transformer，专为图像分类任务设计，计算复杂度与输入图像大小呈线性关系。

Swin Transformer是一种基于分层窗口的视觉Transformer模型，专为图像分类任务设计，计算复杂度与输入图像大小呈线性关系。

Swin Transformer是一种基于分层窗口计算的视觉Transformer模型，在ImageNet-21k数据集上预训练，适用于图像分类任务。

Swin Transformer是一种基于分层窗口的视觉Transformer模型，在ImageNet-21k数据集上预训练，适用于图像分类任务。

Swin Transformer是一种分层视觉Transformer，通过局部窗口计算自注意力实现线性计算复杂度，适合图像分类任务。

Swin Transformer是一种基于移动窗口的分层视觉Transformer，在ImageNet-21k数据集上预训练，适用于图像分类任务。

Swin Transformer是一种基于移位窗口的分层视觉Transformer模型，专为图像分类任务设计。