iFAN：面向普通掩码 Transformer 的推理感知学习
研究人员提出 iFAN，一种用于图像分割掩码 Transformer 的训练框架。现有基于查询的解码存在两个不匹配问题：概率分数最高的查询不一定能生成最准确的掩码，最终层解码也可能丢弃中间层更优的预测。iFAN通过调整后的概率—掩码排序，使查询竞争更符合掩码质量，并通过跨层自蒸馏将更强的中间层预测传递到最终层。这些机制仅在训练阶段使用，因此推理仍保持高效。在COCO、ADE20K和Cityscapes上的实验显示，PQ平均提升1.20，AP提升1.30，mIoU提升0.63，同时几乎不增加参数量、FLOPs和推理延迟。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。