Il prossimoProssima guida
Modifica con attenzione incrociata da prompt a prompt
IA visiva
GUIDA ALL'AI linguistica
Cross-attention lets queries from one representation attend to keys and values from another representation.
Ascolta questa guidaNarrato dall'IA · ~2 min
It is used to connect source and target sequences or different modalities.
Cross-attention lets queries from one representation attend to keys and values from another. The Transformer uses this in encoder-decoder layers; latent diffusion uses it for text-conditioned generation. Flamingo uses gated cross-attention layers to connect visual features to a language model and is designed to ingest arbitrarily interleaved visual and textual inputs, including images or video. These are architecture-specific examples, not a universal multimodal design. In Flamingo, cross-attention blocks are gated by a tanh-transformed learned scalar initialized to zero; this is an architecture-specific control and not a claim about how often cross-attention is used across multimodal systems.
In an encoder-decoder Transformer, decoder queries attend to encoder outputs.
Latent diffusion models use cross-attention to condition image latents on text embeddings.
Flamingo inserts cross-attention layers so a language model can use visual features.
Different sequence lengths are possible because queries and key-value context need not have matching lengths.
When inspecting a multimodal model, identify which stream supplies queries and which supplies keys and values. Evaluate alignment and failure cases across the relevant modalities. The cited papers do not establish one universal cross-attention design.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Cross-attention lets queries from one representation attend to keys and values from another representation. It is used to connect source and target sequences or different modalities.
L'attenzione incrociata disegna query da una sequenza (ad esempio, il decodificatore) e chiavi e valori da una diversa (ad esempio, il codificatore), lasciando che i due interagiscano.
Il decodificatore forma query dal suo output parzialmente generato, quindi utilizza gli output del codificatore come chiavi e valori per inserire informazioni di input rilevanti.
Poiché le query provengono da un'origine e le chiavi/valori da un'altra, le sequenze sono indipendenti e possono differire per lunghezza, lingua o modalità.
L'attenzione incrociata consente a ciascuna parte dell'immagine generata di prestare attenzione al suggerimento del testo, radicando le immagini nelle parole.
Entrambi utilizzano la stessa attenzione al prodotto scalare: punteggi di somiglianza tra query e chiavi, un softmax, quindi una somma ponderata di valori.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Modifica con attenzione incrociata da prompt a prompt
IA visiva