[10] Do Vision Transformers See Like Convolutional Neural Networks?

[techzzt]

Do Vision Transformers See Like Convolutional Neural Networks?

• CNN과 ViT의 feature map representation 비교를 통해 ViT 모델이 representation 측면에서 가지는 장점에 대해 작성한 논문
• Locality한 특성을 반영하는 cnn 모델과 달리 ViT는 global, local한 정보를 모두 포함하며 각 layer에서 block이 깊어질수록 global한 특성을 보존하고 있음을 확인