Los modelos basados en arquitecturas de transformadores de visión se consideran de vanguardia cuando se trata de tareas de clasificación de imágenes. Sin embargo, requieren recursos computacionales extensivos tanto para el entrenamiento como para la implementación. El problema se agrava a medida que aumenta la cantidad y complejidad de los datos. Los modelos de transformadores de visión basados en computación cuántica podrían potencialmente aliviar este problema al reducir el tiempo de entrenamiento y operación manteniendo el mismo poder predictivo. Aunque las computadoras cuánticas actuales aún no pueden realizar tareas de alta dimensionalidad, ofrecen una de las soluciones más eficientes para el futuro. En este trabajo, construimos varias variaciones de un transformador de visión cuántico híbrido para un problema de clasificación en física de altas energías (distinguir fotones y electrones en el calorímetro electromagnético). Los probamos frente a arquitecturas de transformadores de visión clásicos. Nuestros hallazgos indican que los modelos híbridos pueden lograr un rendimiento comparable a sus análogos clásicos con un número similar de parámetros.