虽然transformer 模型最开始是使用在NLP自然语言处理方面，但是随着模型的大火🔥，其变体模型也越来越多。很多计算机视觉任务模型也基于transformer 模型进行了重新设计，且效果很好👍。
以下是一些基于Transformer模型的计算机视觉任务的模型：
1. Vision Transformer (ViT): ViT是一种使用Transformer模型进行图像分类的模型。它将图像划分为一系列的图像块，并将每个图像块作为输入序列传递给Transformer模型进行处理。
2. DETR (DEtection TRansformer): DETR是一种使用Transformer模型进行目标检测的模型。它将图像编码为一系列的特征向量，并使用Transformer模型进行目标检测和目标分类。
3. DeiT (Data-efficient image Transformers): DeiT是一种使用Transformer模型进行图像分类的模型。它通过在大规模图像数据集上进行预训练，并使用Transformer模型进行微调来实现高效的图像分类。
4. Swin Transformer: Swin Transformer是一种使用Transformer模型进行图像分类和目标检测的模型。它引入了一种分层的Transformer结构，以处理不同尺度的特征。
5. ViTGAN (Vision Transformer Generative Adversarial Network): ViTGAN是一种使用Transformer模型进行图像生成的模型。它通过在Transformer模型中引入生成器和判别器来实现图像生成任务。
这些模型都是基于Transformer模型的计算机视觉任务的最新研究成果，它们在图像分类、目标检测和图像生成等任务上取得了很好的性能。
