AutoFocusFormer：基于自注意力机制的图像分割

CVPRApr, 2023

AutoFocusFormer：基于自注意力机制的图像分割

AutoFocusFormer: Image Segmentation off the Grid

Chen Ziwen, Kaushik Patnaik, Shuangfei Zhai, Alvin Wan, Zhile Ren...

TL;DR本研究提出了一种名为 AutoFocusFormer (AFF) 的局部 - 注意力 Transformer 图像识别骨干网络，通过学习保留任务中最重要的像素来实现自适应降采样，采用点基础分割方法，使得小目标在降采样过程中得到更充分地表示，并展示它在分割任务中显著优于基线模型。

Abstract

Real world images often have highly imbalanced content density. Some areas are very uniform, e.g., large patches of blue sky, while other areas are scattered with many small objects. Yet, the commonly used successive grid downsampling strategy in convolutional deep networks treats all areas equally. Hence, small objects are represented in very few spatial lo

autofocusformer local attention transformer adaptive downsampling segmentation point-based representations

发现论文，激发创造

AutoFocus: 高效多尺度推理

AutoFocus 是一种高效的基于深度学习的物体检测器的多尺度推理算法，只处理可能包含细节或小物体的区域，可以得到 47.9%（50% 重叠时的 68.3%）的 mAP，比 RetinaNet 多 10% 的 mAP。

Dec, 2018

语义分割自动对焦层

本研究提出自适应对焦卷积层用于语义分割，通过并行合并多个不同膨胀率的卷积层及注意力机制，该卷积层可以根据处理后的上下文自适应地改变有效感受野的大小，提高网络的多尺度处理能力和特征提取能力，且可以轻松地集成到已有的网络中。我们在盆腔 CT 和脑部 MRI 分割等具有挑战性的任务上评估了该方法，获得了非常有希望的性能表现。

May, 2018

AerialFormer：针对航拍图像分割的多分辨率 Transformer

本文提出了 AerialFormer 方法，该方法融合 Transformers 和轻量级 MD-CNNs，并应用于航空影像分割领域。在 iSAID、LoveDA 和 Potsdam 三个数据集上进行了广泛的实验研究，结果表明该方法比之前的最先进方法表现更卓越。

Jun, 2023

AF$_2$: 航空影像分割的自适应聚焦框架

本论文提出了一种名为自适应聚焦框架（AF2）的层级分割方法，通过利用多尺度特征信息来更好地识别不同大小的目标，并通过可学习的自适应置信机制（ACM）确定不同对象分割时应该使用哪种尺度的特征，实验证明该方法在三种广泛使用的航拍图像数据集上都取得了显著提高的准确性。

Feb, 2022

GridFormer：点网格变换器用于表面重建

通过在正规网格特征和离散点特征之间引入高效的点 - 网格变换机制，以及采用边界优化策略，本文提出的方法有效地提升了三维表面重建的精度和准确性。

Jan, 2024

通过架构采样器专注于我们需要的内容

Vision Transformers 是目前计算机视觉领域的重要技术，这篇论文提出了一种名为 FocusFormer 的方法，它通过学习一个架构采样器，在不同资源约束条件下分配更高的采样概率，从而提高架构的性能，并显著降低搜索成本。

Aug, 2022

DFormer: 拓扑扩散引导的 Transformer 用于通用图像分割

本文介绍了一种名为 DFormer 的方法，用于实现全局图像分割，该方法将全局图像分割任务视为使用扩散模型的降噪过程，在地面真实掩模上添加各个层次的高斯噪声，然后学习模型从损坏掩模中预测降噪掩模，最后使用基于扩散的解码器逐渐执行掩模预测，并直接从一组随机生成的蒙版中预测掩模和相应类别。

Jun, 2023

自适应 Span Transformer 技术的无检测匹配图像方案 ASpanFormer

提出了一种基于 Transformer 的 ASpanFormer 检测器自由匹配器，采用分层注意力结构，能够在全局和本地粒度上捕捉上下文，并具有自适应调整注意跨度的能力，以此来实现在匹配任务中对高相关性像素的细粒度关注。

Aug, 2022

AutoFormer: 为视觉识别搜索 Transformer

本文提出了一种名为 AutoFormer 的新一代架构搜索框架，该框架是针对视觉分类和检测任务中 transformer 网络设计的，通过优化 supernet 让数千个子网络获得很好的训练，最终得到的 AutoFormers 模型在 ImageNet 数据集上取得了比 ViT 和 DeiT 更高的性能，且具有良好的迁移性能和蒸馏实验性能。

Jul, 2021

动态视觉识别的快速扫描和精确定位网络

本文提出了一个新的序列特征学习方法，Glance and Focus Network（GFNet），用于图像识别问题中的减少空间冗余和时间复杂度的优化，GFNet 采用类似人类视觉系统的粗到细的学习方式处理图像，并通过强化学习的方式定位图像中的显著区域，从而避免了手动标注的需求。实验表明，GFNet 能够大幅度降低 MobileNet-V3 在 iPhone XS Max 上的平均延迟 (1.3x)，而精度没有任何损失。

Jan, 2022