Ifan

新的 iFAN 框架提高了掩码 Transformer 的图像分割精度

研究人员开发了一个名为推理感知学习 (iFAN) 的新训练框架，旨在提高用于图像分割的普通掩码 Transformer 的性能。iFAN 解决了两个关键问题：高概率分数与实际掩码质量之间的不匹配，以及中间层可能丢失的优越预测。通过结合调整概率-掩码排序 (APMR) 和跨层自蒸馏 (CLSD)，iFAN 在各种数据集和架构上提高了分割精度，同时对计算资源的影响最小。