什么是广义编码器

问题描述

精选答案

广义图像编码器(ConvNet、Transformer或者两者组合)：它对像素进行感知并编码为隐表达。对于生成器部分，我们采用语言模型中常用的Transformer解码器：它一次生成一个token。

这种方式消除了已有目标检测器架构的复杂性与定制化功能，比如bbox proposal、regression等。