Mask2Former通过直接预测3D分割体积，在视频分割领域取得了最先进的性能，分别在YouTubeVIS-2019和YouTubeVIS-2021上达到了60.4 AP和52.6 AP。希望这将使最新的视频分割研究更易于使用并引起更多人的关注。