基于DINOv2训练的视觉Transformer模型，通过添加寄存器令牌改进注意力机制，消除伪影并提升性能

RegNetY-32GF特征提取模型，采用SEER方法在20亿张随机网络图片上预训练，适用于图像分类和特征提取任务

基于ConvNeXt-V2的自监督特征表示模型，采用全卷积掩码自编码器框架(FCMAE)进行预训练

基于ConvNeXt-V2的自监督特征表示模型，采用全卷积掩码自编码器框架(FCMAE)进行预训练，适用于图像分类和特征提取任务。

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，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。