这是 Oriol Vinyals 和 Lex Friedman 之间的播客：https ://youtu.be/Kedt2or9xlo?t=1769，29: 29，Oriol Vinyals 引用了一篇论文：

如果您查看计算机视觉研究，将图像视为二维数组是很有意义的……实际上，Facebook 有一篇非常好的论文。我忘记了作者是谁，但我认为[它]是何开明小组的一部分。他们所做的是他们拍摄一个图像，这是一个 2D 信号，他们实际上是逐个像素地拍摄，并对图像进行打乱，就好像它只是一个像素列表一样，关键的是，他们用XY 坐标。这是我们在星际争霸 2 中顺便使用的一种新架构，称为变压器，这是去年非常受欢迎的一篇论文，在机器翻译中产生了非常好的结果。

你知道他指的是哪篇论文吗？

我猜他可能在谈论非局部神经网络，但我可能猜错了。

编辑：在回顾了何凯明最近的出版物（http://kaiminghe.com/）之后，也许我猜对了。有什么想法吗？