关于用于提取图像特征编码器

[chaoying0115]

非常感谢团队的出色工作。论文中有提到将repvit用于depth antything 编码器得到指标提升。
我将repvit用于单目深度估计模型当中，把新的repvit骨干输出的图像shape，进行下采样、切片操作然后输入进去原来模型，与baseline（编码器为2022 cvpr mpvit）相比，指标仍有较大差距。

感觉是通道数设计的问题，即baseline的通道设计可能并不是最匹配repvit的，想请教一下repvit作为编码器时通道设计有什么需要注意的吗？或者有什么推荐阅读的材料和改进方向？

这是我对repvit输出的操作

这是baseline编码器解码器的通道数

非常期待得到您的回复，万分感谢！

[jameslahm]

Thanks for your interest. We thought that the padding and slice operations for channels may impair the performance. And we suggest that you could introduce extra projects layers, \eg, 1*1 convolution layers, to align the number of channels in the RepViT feature map with the number of channels you want, rather than directly padding or slicing channels.

[chaoying0115]

ok thank you very much!