ConSept：基于适配器的视觉 Transformer 的持续语义分割
原文中文，约300字，阅读约需1分钟。发表于：。通过向 vanilla ViTs 集成轻量级的 adapter，提出了 ConSept 用于不断的语义分割，在旧类别和新类别的分割能力上取得了显著提升，并通过确定性的旧类别边界进行蒸馏以提高抗灾性遗忘能力并改善整体分割性能。
本文介绍了SegVit模型，使用Vision Transformers进行语义分割，包括Attention-to-Mask（ATM）模块和基于查询的下采样（QD）和上采样（QU）技术。实验证明，使用ATM模块的SegVit模型在ADE20K数据集上优于常规ViT骨干网络的SegVit模型，并在COCO-Stuff-10K和PASCAL-Context数据集上达到了新的最佳性能。
