Los investigadores presentan el Transformer Dinámico Foveado (FDT), una arquitectura de vision transformer inspirada en el muestreo foveado y los movimientos oculares del sistema visual humano. El modelo integra módulos de fijación y foveación para seleccionar tokens dinámicamente, filtrando información irrelevante mientras genera embeddings multiescala.
- FDT alcanza un 81.9% de precisión en comparación con el 80.9% de DeiT-S en una configuración de presupuesto de fijación del 50%.
- La arquitectura reduce las operaciones de multiplicación-acumulación en un 34.57% mientras mantiene una mayor precisión.
- El modelo exhibe una fuerte resiliencia a varios tipos de ruido y ataques adversarios sin entrenamiento explícito para estos desafíos.
Estos atributos posicionan a FDT como un paso hacia redes neuronales artificiales que combinan computación adaptativa con resiliencia mejorada.