标签
本文提出 Function-Space Transformer（FST），一种在连续域上从函数中学习的框架。该框架将特征存储在由输入预测的锚点位置上，并通过递归的函数空间细化进行更新。FST 在 PDEBench 预测任务上优于 Perceiver IO，与 Fourier Neural Operators 表现相当，并在 ImageNet-1K 上以更少的参数超越 ViT。