本研究提出了一种轻量且信息敏感的多路径卷积神经网络，用于多特征分割。通过图像块提取局部特征，并引入焦点调制注意力块以改善分割效果。滤波器优化可防止滤波器重叠并加速模型收敛。该网络在多个公开数据集上表现出色。

本论文提出了一种使用仅有解码器的Transformer来自主预测图像块的新生成方法。通过使用特定的噪声时间表和更大的模型进行更长的训练，可以改善学习到的表示。尽管架构简单，但在微调协议下其性能几乎与先进的掩码预测模型相当。