Vision Transformer (ViT)

نموذج للرؤية الحاسوبية يعتمد على آلية الانتباه بدل الالتفافات التقليدية. يقسم الصورة إلى رقع صغيرة ويتعامل معها كسلسلة مشابهة لمعالجة النصوص.