摘要
注意力机制，尤其是自注意力机制，在视觉任务的深度特征表示中扮演着日益重要的角色。自注意力通过计算所有位置之间的成对相似性，对每个位置的特征进行加权求和，从而捕捉单个样本内部的长程依赖关系。然而，自注意力机制具有二次方时间复杂度，且忽略了不同样本之间的潜在相关性。为此，本文提出一种新颖的注意力机制——外部注意力（External Attention），其基于两个外部的、小型的、可学习的、共享的记忆模块实现。该机制仅需两个级联的线性层与两个归一化层即可轻松构建，能够方便地替代现有主流模型中的自注意力模块。外部注意力具有线性时间复杂度，并能隐式建模所有数据样本之间的相关性。为进一步提升性能，本文还将多头机制引入外部注意力，构建出一种全MLP架构——外部注意力MLP（EAMLP），用于图像分类任务。在图像分类、目标检测、语义分割、实例分割、图像生成以及点云分析等多个任务上的大量实验表明，所提方法在性能上可与自注意力机制及其多种变体相媲美甚至更优，同时显著降低了计算开销与内存占用。