Visão computacional sem transformers: rede neural TAPe chega a 74% de precisão
O TAPe divulgou um novo resultado intermediário no COCO: 74% de precisão de classificação com embeddings treinados em dados totalmente sintéticos. A equipe também chegou a uma conclusão arquitetural importante: os transformers padrão são práticos para experimentos rápidos, mas, no TAPe, viram uma camada desnecessária e lenta. O próximo passo prático é migrar para um esquema próprio, mais adequado, de conexão entre os patches.
Processado por IA de Habr AI; editado por Hamidun News
Os desenvolvedores do TAPe, rede neural para visão computacional, chegaram a um resultado intermediário: embeddings treinados com dados totalmente sintéticos alcançaram 74% de precisão no dataset COCO. Os autores também concluíram que os transformers padrão se tornaram um gargalo nessa arquitetura.
É possível treinar uma rede neural com dados sintéticos?
Sim. Os autores do TAPe mostraram que embeddings treinados exclusivamente com dados sintéticos atingem 74% de precisão de classificação no COCO.
Como as redes neurais analisam imagens sem pixels brutos?
O TAPe trabalha com elementos estruturados da imagem e as relações entre eles, em vez de processar pixels diretamente, o que evita os gargalos da arquitetura dos transformers padrão.
Como funciona a rede neural TAPe para imagens?
O TAPe treina a rede com elementos estruturados da imagem e as relações entre eles, em vez de usar pixels brutos. Os embeddings foram treinados com dados totalmente sintéticos, o que permitiu chegar a 74% de precisão de classificação.
É possível treinar uma rede neural somente com dados sintéticos?
Sim, como mostrou o TAPe: embeddings treinados com dados totalmente sintéticos atingiram 74% de precisão de classificação.
Perguntas frequentes sobre a notícia
É possível treinar uma rede neural com dados sintéticos?
Sim. Os autores do TAPe mostraram que embeddings treinados exclusivamente com dados sintéticos atingem 74% de precisão de classificação no COCO.
Como as redes neurais analisam imagens sem pixels brutos?
O TAPe trabalha com elementos estruturados da imagem e as relações entre eles, em vez de processar pixels diretamente, o que evita os gargalos da arquitetura dos transformers padrão.
Como funciona a rede neural TAPe para imagens?
O TAPe treina a rede com elementos estruturados da imagem e as relações entre eles, em vez de usar pixels brutos. Os embeddings foram treinados com dados totalmente sintéticos, o que permitiu chegar a 74% de precisão de classificação.
É possível treinar uma rede neural somente com dados sintéticos?
Sim, como mostrou o TAPe: embeddings treinados com dados totalmente sintéticos atingiram 74% de precisão de classificação.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.