Şəkillərlə işləyən transformerlərdə ikiölçülü mövqe kodlamasından istifadə etmək mümkündürmü?

Bəli, iki ölçülü mövqe kodlaşdırması, şəkillərlə işləyən transformerlərdə istifadə edilə bilər və tez-tez istifadə olunmalıdır. Mətn məlumatlarından fərqli olaraq, mövqe kodlaşdırması adətən tək ölçülü (tokenların ardıcıllığı), şəkillər isə iki ölçülüdür (eni və hündürlük).

İki ölçülü mövqe kodlaşdırması modelə piksellərin və ya parça koordinatlarının məkan koordinatlarını nəzərə almağa imkan verir, bu da şəkil strukturunun anlaşılmasını yaxşılaşdırır.

Yanaşma nümunəsi:

• X və Y oxları üçün ayrı mövqe vektorları yaratmaq.
• Bu vektorları toplamaq və ya birləşdirmək, hər parça üçün yekun mövqe kodlaşdırmasını əldə etmək.

Bu, transformerlə iki ölçülü məkanda elementlərin yerləşməsini nəzərə almağa kömək edir, bu da kompüter görmə tapşırıqları üçün çox vacibdir.