轻量化分割 | P2AT提出金字塔池化Axial Transformer方法，让基于ViT的语义分割飞快

点击下方卡片，关注「集智书童」公众号最近，基于Transformer的模型在各种视觉任务中取得了令人鼓舞的成果，这是因为它们能够建模长距离的依赖关系。然而，Transformers的计算成本很高，这限制了它们在自动驾驶等实时任务中的应用。此外，对于准确的密集预测，特别是驾驶场景理解任务，高效的局部和全局特征选择和融合至关重要。在本文中，作者提出了一种名为金字塔池化Axial Transformer（P2AT）的实时语义分割架构。所提出的P2AT从CNN编码器中获取粗糙特征，以生成具有尺度感知性的上下文特征，然后将其与多级特征聚合方案相结合，以生成增强的上下文特征。具体来说，作者引入了金字塔池化Axial Transformer来捕获复杂的空间和通道依赖关系，从而提高了语义分割的性能。然后，作者设计了一个双向融合模块（BiF）来融合不同级别的语义信息。 ………………………………