多尺度表示通过变化窗口注意力的语义分割
原文中文，约300字，阅读约需1分钟。发表于：。多尺度学习在语义分割中起着重要作用。本文针对多尺度学习过程中的不足提出了一种新型多尺度学习器，即变窗关注（VWA），它利用了本地窗口关注（LWA）并将其分解为查询窗口和上下文窗口，使得上下文的尺度可以变化以便查询窗口学习多尺度的表示。此外，作者还介绍了基于 VWA 的多尺度解码器（MSD），VWFormer，来提高语义分割的多尺度表示效果。VWFormer 在与其他计算友好的 MSD...
本文介绍了一种新型多尺度学习器VWA，利用本地窗口关注并分解为查询窗口和上下文窗口，以学习多尺度的表示。同时，介绍了基于VWA的多尺度解码器VWFormer，提高了语义分割的多尺度表示效果。VWFormer在计算效率上具有竞争力，并且性能优于其他算法。
