本文介绍了特征对齐金字塔网络（FaPN）的方法，通过特征对齐和特征选择模块，提高了上下文对齐上采样的特征表现。在四个密集预测任务和四个数据集上，FaPN相比Faster/Mask R-CNN改进了1.2-2.6个AP/mIoU点。在Mask-Former中融合后，FaPN在ADE20K上实现了56.7%的mIoU。

本文介绍了特征对齐金字塔网络（FaPN）的方法，用于上下文对齐上采样的高级特征和强调空间细节的低级特征。该方法在四个密集预测任务和四个数据集上比FPN改进了1.2-2.6个AP/mIoU点。在Mask-Former中融合后，FaPN在ADE20K上实现了56.7%的mIoU。

本文介绍了特征对齐金字塔网络（FaPN）的方法，通过特征对齐和特征选择模块，提高了上下文对齐上采样的特征表现。在四个密集预测任务和四个数据集上，FaPN相比于Faster/Mask R-CNN的FPN改进了1.2-2.6个AP/mIoU点。特别是在Mask-Former中融合后，FaPN在ADE20K上实现了56.7%的mIoU。