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

鑒于 Transformer 的模型在自然語(yǔ)言處理 （NLP） 和計(jì)算機(jī)視覺(jué)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(zhǎng)距離相關(guān)性，同時(shí)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(shí)間和內(nèi)存與輸入長(zhǎng)度呈二次方關(guān)系，使其處理長(zhǎng)序列的成本非常高昂。許多語(yǔ)言和視覺(jué)任務(wù)能夠從長(zhǎng)序列建模中獲益。在 NLP 中，文檔級(jí)任務(wù)需要處理較長(zhǎng)的文章，而語(yǔ)言模型的性能往往隨序列長(zhǎng)度而增加。

在計(jì)算機(jī)視覺(jué)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(huì)被轉(zhuǎn)換成圖像塊的長(zhǎng)序列。因此，設(shè)計(jì)一種能泛化到各種不同領(lǐng)域的長(zhǎng)序列建模的高效注意力機(jī)制至關(guān)重要。

一直以來(lái)，業(yè)界提出了各種方法來(lái)減少完全注意力機(jī)制的二次方成本。但是，在語(yǔ)言和視覺(jué)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(lèi)方法使用滑動(dòng)窗口和隨機(jī)稀疏模式等預(yù)定義模式對(duì)注意力矩陣進(jìn)行稀疏化處理。

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

另一類(lèi)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(lèi)方法只能對(duì)特定的 NLP 任務(wù)有效。與稀疏注意力不同，這類(lèi)方法允許每個(gè)分詞器處理整個(gè)輸入序列。但是，由于缺少高保真度詞元級(jí)信息，對(duì)于需要細(xì)粒度局部信息的任務(wù)（包括語(yǔ)言領(lǐng)域和視覺(jué)領(lǐng)域的標(biāo)準(zhǔn)基準(zhǔn)測(cè)試）而言，這類(lèi)方法的性能有時(shí)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(yǔ)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(zhǎng)文本或高分辨率圖像。

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

在白皮書(shū)《Transformer-LS：用于語(yǔ)言和視覺(jué)處理的高效 Transformer》中，研究把局部窗口注意力和新穎的長(zhǎng)距離注意力統(tǒng)一成單個(gè)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(yǔ)言和視覺(jué)任務(wù)中為自回歸模型和雙向模型帶來(lái)優(yōu)異的效果。

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

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