基于 Global-Local Vision Transformer的高频信息增强分割 ！

文章预览

点击下方卡片，关注 「AI视界引擎」 公众号 ( 添加时备注：方向+学校/公司+昵称/姓名 ) 许多研究已经证明了基于视觉 Transformer （ViT）的方法在各种计算机视觉任务上具有强大的性能。然而，ViT模型通常很难有效地捕获图像中的高频成分，这对于检测小目标并保持边缘细节至关重要，尤其是在复杂场景中。 这种限制在结肠息肉分割任务中尤为具有挑战性，因为息肉在结构、纹理和形状上表现出显著的变异。高频信息，如边界细节，对于在这种背景下实现精确语义分割至关重要。 为了应对这些挑战，作者提出了一种名为HiFiSeg的新型结肠息肉分割网络，通过全局-局部视觉 Transformer 框架增强高频信息处理。 HiFiSeg使用金字塔视觉 Transformer （PVT）作为其编码器，并引入了两个关键模块：全局-局部交互模块（GLIM）和选择性聚合模块（SAM）。 GLIM采用并行 ………………………………