375FPS! 谷歌提出MaskConver“重校正用于全景分割的纯卷积模型

点击下方卡片，关注「AIWalker」公众号底层视觉干货，即可获取https://arxiv.org/2312.06052近年来，基于Transformer的模型由于其强大的建模能力以及对语义类和实例类的统一表示为全局二值掩码，在全景分割中占据主导地位。 在本文中，我们回顾了纯粹的卷积模型，并提出了一种新的结构MaskConver，它通过预测物体和物体的中心来完全统一物体和物体的表示。在这种程度上，它创建了一个轻量级类嵌入模块，当多个中心共存于同一位置时，可以打破这种联系。此外，我们的研究表明，解码器的设计对于确保模型具有足够的上下文以进行准确的检测和分割至关重要。我们介绍了一个功能强大的ConvNeXt-UNET解码器，它缩小了卷积和基于Transfoormer模型之间的性能差距。使用ResNet50主干，我们的MaskConver在COCO-Val集上实现了53.6%的PQ，比基于卷积的现代模型全光FCN以及 ………………………………