Pesquisadores introduzem o Transformer Dinâmico Foveado (FDT), uma arquitetura de vision transformer inspirada na amostragem foveada e nos movimentos oculares do sistema visual humano. O modelo integra módulos de fixação e foveação para selecionar tokens dinamicamente, filtrando informações irrelevantes enquanto gera embeddings multiescala.

  • O FDT alcança 81,9% de precisão em comparação com os 80,9% do DeiT-S em uma configuração de orçamento de fixação de 50%.
  • A arquitetura reduz as operações de multiplicação-acumulação em 34,57% enquanto mantém maior precisão.
  • O modelo exibe forte resiliência a vários tipos de ruído e ataques adversários sem treinamento explícito para esses desafios.

Esses atributos posicionam o FDT como um passo em direção a redes neurais artificiais que combinam computação adaptativa com resiliência aprimorada.