来源：专知本文为论文介绍，建议阅读5分钟我们创建了Hiera，一种极其简单的分层视觉Transformer，比以前的模型更精确。 现代的分层视觉Transformer已经添加了几个专门针对视觉的组件，以追求监督分类的性能。虽然这些组件带来了有效的精确度和吸引人的FLOP计数，但增加的复杂性实际上使这些Transformer比其原生ViT（Vision Transformer）对应物更慢。在