本研究分析了跨域少样本分割中的性能下降，探讨了低级特征对域转移的影响，并提出两种模块方法，显著提升了模型在目标域的表现。

本文通过实证研究确认了基于像素的遮罩图像建模的限制，并提出了一种新方法，利用浅层的低级特征辅助像素重建。该方法在多个下游任务中取得了实质性的改进，特别是在较小的模型上。

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。