ImageNet-1k是计算机视觉领域最广泛使用的数据集之一，包含约100万张图像和1000个类别，是评估图像分类模型性能的标准基准。作为深度学习发展历程中的重要里程碑，它不仅推动了计算机视觉技术的进步，还成为衡量模型性能的黄金标准。
ImageNet-1k 近期进展
2024年7月，小鹏汽车发布了TuringViT视觉编码器，声称在ImageNet-1k数据集上实现了数据效率提升10倍的突破，这一创新可能为自动驾驶领域的视觉处理带来革命性变化。小鹏发布TuringViT视觉编码器，称数据效率提升10倍同期，研究人员提出了reViT模型，通过单Transformer块实现多深度视觉编码，在ImageNet-1k上展示了卓越的性能，同时大幅减少了计算资源需求。reViT：单Transformer块实现多深度视觉编码
LeVJEPA作为一种高效可扩展的视频预训练方法，在ImageNet-1k上的实验表明，它能够有效提升模型对视频数据的理解能力，为视频分析领域提供了新的解决方案。LeVJEPA：高效可扩展的视频预训练方法