Patches como tokens visuais
Clique em um patch
Selecione um patch para ver como ele é transformado em embedding
Patches:
← Selecione um patch para ver o processo
Analogia: texto vs. imagem
Texto
cachorro ↓ embeddingImagem
↓ embedding
Achatar (flatten)
O patch P×P é convertido em um vetor de P²×C valores (C = canais de cor).
Projeção linear
Uma matriz W projeta o vetor achatado para o espaço de dimensão d do modelo.
Mesma dimensão
Todos os patches geram embeddings com a mesma dimensão d — pronto para o encoder.
Patches visuais são os 'tokens' da imagem — cada um é transformado em um vetor denso de mesma dimensão.