reViT：用深度编程专家实现单块多深度的循环 Vision Transformer

reViT 通过反复应用单个 Transformer block，在相近推理 FLOPs 下匹配全深度视觉编码器精度，且无需中间特征蒸馏。reViT-B/16 从头训练达到 DeiT III 精度，同时存储参数减少约 70%；8-experts 蒸馏模型几乎保留 DINOv2 teacher 的线性探测精度，并可迁移到分类、分割和深度预测任务。