Paper: Accelerating Vision Transformers with Adaptive Patch Sizes

作者机构：Rohan Choudhury, et al. Carnegie Mellon University, KAIST, General Robotics

论文地址：[https://arxiv.org/pdf/2510.18091v1](https://arxiv.org/pdf/2510.18091v1)

项目地址：Accelerating Vision Transformers with Adaptive Patch Sizes | Rohan Choudhury

论文贡献：

1) 引入自适应图像块 Transformer (APT)，它通过内容感知图像块大小将视觉 Transformer 的速度提升了高达 40%，在更高分辨率和更大模型规模下获得更大的收益。
2) 展示了 APT 能够保持标准预训练模型在不同分辨率和规模下的准确性。
3) 证明了 APT 可以扩展到 ImageNet 之外，在密集预测和视觉语言任务上表现良好。