TPAMI 2024 | VST++：高效且强大的视觉显著性Transformer

文章预览

前言   尽管先前的基于CNN的模型在显著目标检测（SOD）方面展现出了有希望的结果，但它们探索全局长距离依赖性的能力受到限制。我们之前的工作，视觉显著性变换器（VST），从基于变换器的序列到序列的角度解决了这一限制，统一了RGB和RGB-DSOD。VST开发了一个 多任务变换器解码器，可以同时预测显著性和边界结果 ，采用纯变换器架构。此外，引入了一种新颖的标记上采样方法，称为反向T2T，以轻松预测高分辨率显著性图，而无需在基于变换器的结构中进行复杂的操作。在VST模型的基础上，进一步提出了一个 高效且更强大的VST版本，即VST++ 。为了减轻VST模型的计算成本，提出了一个选择-集成注意力（SIA）模块，将前景划分为细粒度片段，并将背景信息聚合到一个粗粒度标记中。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各 ………………………………