本研究提出了一种基于变换器架构的新框架，用于解决少样本语义分割中的局部语义特征丢失和计算复杂度高的问题。通过空间变换解码器和上下文掩码生成模块增强图像与查询图像之间的关系理解，并通过多尺度解码器优化分割掩码。实验证明该方法在PASCAL-5^i和COCO-20^i基准数据集上具有卓越的性能和效率平衡。
正在访问的资源需要验证您是否真人。
或在微信中搜索公众号“小红花技术领袖”并关注
第二步：在公众号对话中发送验证码：
BriefGPT - AI 论文速递
·
2024-09-17T00:00:00Z
