返回全部题目← 上一题33 / 333下一题 →题库/模型基础与推理/Q-4671ViT 与 CNN 在图像特征提取上有什么优劣，各适合什么条件？知识专题：多模态与生成模型题目类型：比较选型技术难度：进阶相关面经：1 篇题集来源：3 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经收录题集相关题目相关面经1 篇百度多模态算法岗2026-10-06一面、二面查看原面经 →对比分析ViT与传统CNN模型在视觉任务中的性能优势与适配场景收录题集3 个来源，共13 份题集训练、数据与模型优化：从数据清洗到 LoRAOnefly · zero2Agent · 2 条原题查看题集 →VLA 和 ViT 的原理分别是什么？二者在视觉语言动作模型中的关系是什么？卷积神经网络和 Transformer 在建模原理、计算方式与适用场景上有什么区别？多模态与计算机视觉阿东玩 AI · AgentGuide · 5 条原题查看题集 →【常见视觉模型特点】常用的计算机视觉模型（如YOLO系列、Faster R-CNN、U-Net、Vision Transformer）各有什么特点？请分别说明其架构、优势、适用场景及局限性。 「京东」【ViT vs CNN】选择ViT和选择CNN编码图像分别的优势和劣势是什么？请从全局感受野、计算效率、数据需求、迁移能力等方面对比。 「腾讯」【ViT相比CNN优势】在图像任务中，ViT相比CNN-based模型的优势在哪里？请从全局感受野、自注意力机制、长距离依赖建模、可扩展性等方面分析。 「百度」展开其余 2 条原题【ViT架构与原理】请详细讲解ViT（Vision Transformer）的模型架构和原理，包括图像是如何被切块、展平并映射为序列输入到Transformer中的，以及Transformer的具体结构（如自注意力、多头注意力、MLP、LayerNorm等），并说明ViT相比传统CNN的优点。 「字节跳动、拼多多、美团、腾讯、阿里巴巴」【ViT与CNN在商品分类中的对比与混合模型】分析VisionTransformer(ViT)与传统CNN(如ResNet)在“京东零售商品分类”中的优劣，设计混合模型方案(如CNN提取局部特征+Transformer捕捉全局依赖)，说明适用场景与效果预期。 「京东」深度学习基础汇编阿东玩 AI · AgentGuide · 1 条原题查看题集 →【CNN与ViT对比】CNN的计算过程、ViT的计算过程，CNN和ViT的区别是什么？分别在哪一部分有效？Transformer和传统CNN的区别，优势点在哪？ 「字节跳动、蚂蚁集团」理论基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →Vision Transformer (ViT) 和 CNN 在图像特征提取上的优劣对比？图像分类Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →从 CNN 到 ViT 的核心变化是什么？AIGC 时代哪些视觉骨干最常考？展开剩余 8 份题集目标检测Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →介绍一下目标检测中Transformer-based和新兴Backbone？以及如何选择深度网络架构Rocky Ding · AIGC-Interview-Book · 4 条原题查看题集 →ViT-CNN 混合模型中卷积核的作用发生了什么变化？大模型时代卷积层会被完全取代吗，为什么？为什么Transformer的Scaling能力比CNN强？展开其余 1 条原题对比Transformer和CNN，两者在特征提取方式上有什么本质区别？深度学习精华·网络架构Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →卷积和Transformer在AIGC中各自的优势和适用场景是什么？优化方法Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →CNN+Transformer组合的架构有哪些优势？多模态前沿技术Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →LLaVA视觉编码器为何选择CLIP ViT-L/14而非其他视觉骨干？其线性投影层如何实现跨模态特征空间映射？多模态训练与微调Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →详细分析多模态预训练模型中的视觉编码器选择对模型性能的影响AI技术与行业趋势开放问题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →Transformer会完全替代CNN吗？01_AI视频核心基础知识Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →请讲一讲ViT模型的原理及其优缺点？相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题未来多模态大模型可能如何融合更多感官与交互信息？下一题 →BLIP、BLIP-2 的主要创新是什么，与 Flamingo 有哪些区别？
