REPOGEO 报告 · LITE
Yangzhangcst/Transformer-in-Computer-Vision
默认分支 main · commit 12aae994 · 扫描时间 2026/5/16 16:08:04
星标 1,452 · Fork 152
行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试:当用户向 AI 提一个不带品牌、本应让 Yangzhangcst/Transformer-in-Computer-Vision 浮出水面的问题时,AI 是真的推荐了你,还是推荐了你的竞品?客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。
行动计划 — 可复制粘贴的修复
3 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。
- highreadme#1Reposition README's opening to clearly state it's an 'awesome list'
原因:
当前Transformer-in-Vision A paper list of some recent Transformer-based CV works.
复制粘贴的修复# Awesome Transformer-in-Vision: A Curated List of Recent Transformer-based CV Works This repository is an actively maintained awesome list, providing a comprehensive collection of recent research papers and their associated code (where available) on Transformer models applied to Computer Vision tasks.
- highlicense#2Add a LICENSE file to the repository
原因:
复制粘贴的修复Create a `LICENSE` file in the repository root with the text of a common open-source license like MIT or Apache-2.0, or clearly state the intended license(s) directly in the README.
- mediumhomepage#3Add the repository URL to the 'Homepage' field in the About section
原因:
复制粘贴的修复https://github.com/Yangzhangcst/Transformer-in-Computer-Vision
本次扫描解析到的品类 GEO 通道:google/gemini-2.5-flash, deepseek/deepseek-v4-flash
品类可见性 — 真正的 GEO 测试
向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你,还是推荐了别人?
各模型使用同一组问题 — 切换标签对比回答与排名。
- Papers With Code · 被推荐 1 次
- arXiv · 被推荐 1 次
- Awesome-Vision-Transformer · 被推荐 1 次
- Google Scholar · 被推荐 1 次
- Distill.pub · 被推荐 1 次
- 品类问题Where can I find a curated list of recent research papers on Transformers for computer vision?你:未被推荐AI 推荐顺序:
- Papers With Code
- arXiv
- Awesome-Vision-Transformer
- Google Scholar
- Distill.pub
- The Batch by DeepLearning.AI
- Import AI by Jack Clark
- CVPR
- ICCV
- ECCV
- NeurIPS
- ICML
AI 推荐了 12 个替代方案,却始终没点名 Yangzhangcst/Transformer-in-Computer-Vision。这就是要补上的差距。
查看 AI 完整回答
- 品类问题I need an awesome list of deep learning papers applying transformer models to image tasks.你:未被推荐AI 推荐顺序:
- Vision Transformer (ViT)
- Swin Transformer
- DETR
- Masked Autoencoders (MAE)
- Perceiver IO
- U-Net Transformer (UNETR)
- Generative Pretraining from Pixels (DALLE)
AI 推荐了 7 个替代方案,却始终没点名 Yangzhangcst/Transformer-in-Computer-Vision。这就是要补上的差距。
查看 AI 完整回答
客观检查
针对 AI 引擎最看重的元数据信号的规则审计。
- Metadata completenesswarn
建议:
- README presencepass
自指检查
当被直接问到你时,AI 是否还知道你的仓库存在?
- Compared to common alternatives in this category, what is the core differentiator of Yangzhangcst/Transformer-in-Computer-Vision?passAI 未点名 Yangzhangcst/Transformer-in-Computer-Vision —— 很可能在说另一个项目
AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?
- If a team adopts Yangzhangcst/Transformer-in-Computer-Vision in production, what risks or prerequisites should they evaluate first?passAI 明确点名了 Yangzhangcst/Transformer-in-Computer-Vision
AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?
- In one sentence, what problem does the repo Yangzhangcst/Transformer-in-Computer-Vision solve, and who is the primary audience?passAI 未点名 Yangzhangcst/Transformer-in-Computer-Vision —— 很可能在说另一个项目
AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?
嵌入你的 GEO 徽章
把这个徽章贴进 Yangzhangcst/Transformer-in-Computer-Vision 的 README。每次重新扫描都会自动更新,并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。
[](https://repogeo.com/zh/r/Yangzhangcst/Transformer-in-Computer-Vision)<a href="https://repogeo.com/zh/r/Yangzhangcst/Transformer-in-Computer-Vision"><img src="https://repogeo.com/badge/Yangzhangcst/Transformer-in-Computer-Vision.svg" alt="RepoGEO" /></a>订阅 Pro,解锁深度诊断
Yangzhangcst/Transformer-in-Computer-Vision — 轻量扫描仍免费;本卡列出 Pro 相对轻量的深度额度。
- 深度报告每月 10 次
- 无品牌品类查询5,轻量 2
- 优先行动项8,轻量 3