vit-16

Vision Transformer 계열의 백본 구성 중 하나로, 입력을 16x16 패치로 분해해 Transformer 블록으로 처리하는 아키텍처이다. 패치 크기와 토큰화 방식이 경계 표현 능력과 연관되며, 본문에서는 ViT/16 계열 백본이 여러 규모로 제공되고 약 1.1B급 버전이 포함된다고 명시되었다. 라지 백본과 소형 디코더 조합에서 경계 정보 유지 여부를 판단하는 기준으로 사용되었다.