Cross Attention 是 Transformer 模型中的一種注意力機制，主要用於讓模型能夠同時處理來自兩個不同來源的序列信息。它常見於編碼器-解碼器架構中，解碼器透過 cross attention「關注」編碼器輸出的所有位置，從而有效地融合與利用輸入序列信息生成相應輸出。
Cross Attention 的運作原理：• Query（查詢）：來自解碼器（或目標序列）的當前狀態表示。
• Key（鍵）和 Value（值）：來自編碼器輸出的序列表示。
• Cross attention 計算 Query 與所有 Key 的相似度（通常是點積），得到注意力權重分布。
• 根據權重分布加權求和對應的 Value，得到融合後的信息作為輸出。
• 這使得解碼器能「根據自己的狀態」動態從編碼的輸入序列中選擇相關信息。
與 Self Attention 的差異：
• Self attention 中 Query、Key、Value 三者都來自同一序列，處理的是序列內部元素間的依賴。
• Cross attention 中 Query 與 Key、Value 來自不同序列，用於跨序列信息交互。
應用案例：
• 機器翻譯：解碼器生成一個詞時，從編碼器輸入的所有詞語中選取相關信息。
• 多模態模型：如將文本（Query）和圖像特徵（Key、Value）結合，實現圖文信息融合。
• 視覺語言任務：在 ViLBERT、VisualBERT 等多模態模型中，用於視覺和語言信息交互。
簡單比喻：
Cross attention 就像一個學生（解碼器）在寫作文時，不僅考慮自己已有的想法（Query），還會參考一本書（編碼器輸出）中所有相關內容（Key、Value），有選擇地引用以豐富寫作。
總結：
Cross attention 是 Transformer 中促進不同序列間信息互動的重要機制，支持強有力的跨模態和序列到序列的學習與生成。
