自 2017 年被提出以来，Transformer 已经席卷了整个 NLP 领域，红极一时的 BERT、GPT-2 都采用了基于 Transformer 的架构。既然这么好用，为什么不用到 CV 里？最近，Facebook AI 的研究者就进行了这方面的尝试，把 Transformer 用到了目标检测任务中，还取得了可以媲美 Faster R-CNN 的效果。目前，Transformer的设计思想已经延伸到CV领域的不同方向，并先后取得突破。为什么相比于原有的设计方案，Transformer的引入能够带来模型精度上的提升？存在哪些待优化的点？
关键凝练
1.什么是transformer？机制是什么？
2. transformer在哪些CV领域有着比较大的突破？这些模型存在哪些优缺点？