qq_40734883的博客

文中提出了SegFormer，一个简单、高效且强大的语义分割框架，将Transformer与轻量级多层感知器（MLP）解码器相结合。SegFormer具有两个特点： 1）SegFormer包含一个新颖的**分层结构**Transformer编码器，输出**多尺度特征**。它**不需要位置编码**，因此避免了位置代码的插值，从而在测试分辨率与训练不同时导致性能下降。

空洞卷积在实时图像分割中的应用。

文中介绍了一种Encoder-Decoder Attention Transformer，即EDAFormer，它由**Embedding-Free Transformer（EFT）编码器**和利用提出的Embedding-Free Attention（EFA）结构的全部注意力解码器组成。提出的EFA是一种新颖的全局上下文建模机制，它专注于全局非线性，而不是查询、键和值的特定角色。

一种基于多级特征逐步聚合的轻量级语义分割解码方案——层级视觉应用于轻量级语义分割

VM-UNet：基于视觉Mamba UNet架构的医学图像分割