白皮書《Transformer-LS：用于語言和視覺處理的高效 Transformer》中提出了“長-短 Transformer” （Transformer-LS），這是一種高效的 Transformer 架構(gòu)，用于為語言和視覺任務(wù)模擬中具有線性復(fù)雜度的長序列。

鑒于 Transformer 的模型在自然語言處理 （NLP） 和計算機(jī)視覺領(lǐng)域已經(jīng)取得了巨大的成功。這種模型可受益于自注意力模塊，后者既可捕獲詞元間的相鄰相關(guān)性和長距離相關(guān)性，同時又能在現(xiàn)代硬件上高效擴(kuò)展。

然而，自注意力機(jī)制所消耗的時間和內(nèi)存與輸入長度呈二次方關(guān)系，使其處理長序列的成本非常高昂。許多語言和視覺任務(wù)能夠從長序列建模中獲益。在 NLP 中，文檔級任務(wù)需要處理較長的文章，而語言模型的性能往往隨序列長度而增加。

在計算機(jī)視覺里，大量任務(wù)涉及高分辨率圖像。而這些圖像在使用 Transformer 模型處理前，會被轉(zhuǎn)換成圖像塊的長序列。因此，設(shè)計一種能泛化到各種不同領(lǐng)域的長序列建模的高效注意力機(jī)制至關(guān)重要。

一直以來，業(yè)界提出了各種方法來減少完全注意力機(jī)制的二次方成本。但是，在語言和視覺領(lǐng)域都有良好應(yīng)用的高效注意力機(jī)制尚未得到深入研究。一類方法使用滑動窗口和隨機(jī)稀疏模式等預(yù)定義模式對注意力矩陣進(jìn)行稀疏化處理。

這類方法使用強(qiáng)大的歸納偏置來改善計算性能和模型性能，但它們會限制自注意力層的能力，因?yàn)槊總€特定分詞器只能處理一個詞元子集。

另一類方法使用 low-rank 投影為輸入序列構(gòu)成低分辨率表示，但這類方法只能對特定的 NLP 任務(wù)有效。與稀疏注意力不同，這類方法允許每個分詞器處理整個輸入序列。但是，由于缺少高保真度詞元級信息，對于需要細(xì)粒度局部信息的任務(wù)（包括語言領(lǐng)域和視覺領(lǐng)域的標(biāo)準(zhǔn)基準(zhǔn)測試）而言，這類方法的性能有時并不優(yōu)于完全注意力或稀釋注意力機(jī)制。

盡管高效 Transformer 的發(fā)展相當(dāng)迅速，一些提出的架構(gòu)只適用于雙向模型?；?Transformer 的自回歸模型已經(jīng)在語言建模 、圖像合成 和文本轉(zhuǎn)圖像合成領(lǐng)域取得了巨大的成功。這些領(lǐng)域都涉及長文本或高分辨率圖像。

因此，有必要設(shè)計一種同時適用于自回歸模型和雙向模型的高效 Transformer。

在白皮書《Transformer-LS：用于語言和視覺處理的高效 Transformer》中，研究把局部窗口注意力和新穎的長距離注意力統(tǒng)一成單個高效注意力機(jī)制。展示這兩種注意力機(jī)制的互補(bǔ)效應(yīng)，能在多種語言和視覺任務(wù)中為自回歸模型和雙向模型帶來優(yōu)異的效果。

原文標(biāo)題：白皮書 | 《Transformer-LS：用于語言和視覺處理的高效Transformer》

文章出處：【微信公眾號：NVIDIA英偉達(dá)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。