雖然transformer 模型最開始是使用在NLP自然語言處理方面，但是随着模型的大火🔥，其變體模型也越來越多。很多計算機視覺任務模型也基于transformer 模型進行了重新設計，且效果很好👍。
以下是一些基于Transformer模型的計算機視覺任務的模型：
1. Vision Transformer (ViT): ViT是一種使用Transformer模型進行圖像分類的模型。它将圖像劃分為一系列的圖像塊，并将每個圖像塊作為輸入序列傳遞給Transformer模型進行處理。
2. DETR (DEtection TRansformer): DETR是一種使用Transformer模型進行目标檢測的模型。它将圖像編碼為一系列的特征向量，并使用Transformer模型進行目标檢測和目标分類。
3. DeiT (Data-efficient image Transformers): DeiT是一種使用Transformer模型進行圖像分類的模型。它通過在大規模圖像資料集上進行預訓練，并使用Transformer模型進行微調來實作高效的圖像分類。
4. Swin Transformer: Swin Transformer是一種使用Transformer模型進行圖像分類和目标檢測的模型。它引入了一種分層的Transformer結構，以處理不同尺度的特征。
5. ViTGAN (Vision Transformer Generative Adversarial Network): ViTGAN是一種使用Transformer模型進行圖像生成的模型。它通過在Transformer模型中引入生成器和判别器來實作圖像生成任務。
這些模型都是基于Transformer模型的計算機視覺任務的最新研究成果，它們在圖像分類、目标檢測和圖像生成等任務上取得了很好的性能。
