Swin Transformer

محوِّل بصري هرمي من مايكروسوفت يحسب الانتباه الذاتي داخل نوافذ محلية، ثم يُزيح تلك النوافذ بين طبقتَين متتاليتَين لتوصيل المعلومات عبرها، فيُنتج تعقيداً خطياً بحجم الصورة ويصلح عموداً فقرياً لمهام الرؤية الكثيفة كالتجزئة والكشف.

A hierarchical Microsoft Vision Transformer that computes self-attention within local windows and then shifts those windows between successive layers to connect information across them, achieving linear complexity in image size and serving as a general backbone for dense vision tasks like segmentation and detection.