Kas kahe mõõtmelise positsioonikoodimise kasutamine piltidega töötavates transformaators?

Jah, kahemõõtmelise positsiooni kodeerimine võib ja sageli tuleb kasutada transformaatides, mis töötavad piltidega. Erinevalt tekstilistest andmetest, kus positsiooni kodeerimine on tavaliselt ühe mõõtmeline (tokenite jada), on pildid kahemõõtmelised (laius ja kõrgus).

Kahemõõtmeline positsiooni kodeerimine võimaldab mudelil arvestada pikslite või plaastrite ruumilisi koordinaate, mis parandab pildi struktuuri mõistmist.

Näide lähenemisest:

• Luua eraldi positsiooni vektorid X ja Y telgede jaoks.
• Lisada või ühendada need vektorid, et saada iga plaastri jaoks lõplik positsiooni kodeering.

See aitab transformaatorel arvestada elementide paigutust kahemõõtmelises ruumis, mis on kriitiline arvutinägemise ülesannete jaoks.