AGI Daily
资讯日报词条论文人物新创
Niki Parmar · 人物 | AGIDaily
人物目录

Niki Parmar

Transformer 与 Image Transformer 共同作者,研究自注意力模型的实现、实验评估与图像生成。

个人介绍

Niki Parmar 是 2017 年《Attention Is All You Need》的共同作者,论文署名机构为 Google Research。作者贡献说明记载,她在最初代码库和 Tensor2Tensor 中设计、实现、调试并评估了多种模型变体。该论文说明所有作者同等贡献、署名顺序随机。

她随后共同署名了 2018 年的《Image Transformer》。这项工作把 Transformer 用于图像的自回归生成,并通过局部自注意力扩大模型能够处理的图像规模,同时评估了图像超分辨率任务。

机构经历记录了论文发表时的 Google Research;当前任职信息尚未补充。

机构与经历

  • Google Research

    2017 年论文署名机构

    2017 年论文发表时

公开联系方式

  • OpenAlex 学术资料目录(非本人维护)

研究成果

她在 Transformer 工作中的贡献包括把架构设计落实为可比较的模型实验;Image Transformer 进一步展示了自注意力序列模型用于视觉生成的路径。这里记录论文明确描述的工作,不根据署名位置推断贡献排序。

  • Attention Is All You Need

    2017

    共同作者。作者说明将多种模型变体的设计、实现、调试和评估列为她的贡献,涉及原始代码库与 Tensor2Tensor。

    被引 78,013 次 · OpenAlex · 统计于 2026-10-21

  • Image Transformer

    2018

    共同作者。论文将基于自注意力的 Transformer 用于图像生成,以局部注意力控制计算范围,并研究图像超分辨率。

    暂未收录引用统计

参考来源

  1. Attention Is All You Need:作者列表与首发日期
  2. Attention Is All You Need:作者贡献说明与署名机构
  3. Image Transformer:原始论文与作者列表
  4. OpenAlex:Niki Parmar 学术作者记录
  5. OpenAlex:Attention Is All You Need 引用统计
  6. 头像:Niki Parmar 的 GitHub 公开头像

在文章或论文中关联此人

[Niki Parmar](/people/niki-parmar)