自sora之后，我也要多思考，transformer的scaling law在各个子领域中是不是真的会产生智能，conv的叠加从resnet之后就讨论过，宽或者深都没有办法做到极限，大概sam这种思路是最好的实证。 1.introduction 引入了ViT adaptation策略和detail capture module。 2.Methodology 2.2 Overall ar