A3-FPN: 用于密集视觉预测的渐近内容感知金字塔注意力网络
计算机视觉与模式识别
2026-05-18 v1 人工智能
机器学习
摘要
学习多尺度表示是应对密集预测任务中目标尺度变化的常用策略。尽管现有的特征金字塔网络极大地推进了视觉识别，但其固有的设计缺陷阻碍了它们捕获判别性特征和识别小目标。在这项工作中，我们提出了渐近内容感知金字塔注意力网络(A3-FPN)，通过渐近解耦框架和内容感知注意力模块来增强多尺度特征表示。具体来说，A3-FPN 采用了一个水平扩展的列网络，该网络能够实现渐近的全局特征交互，并将每个层级从所有层次表示中解耦出来。在特征融合中，它从相邻层级收集补充内容以生成用于上下文感知重采样的位置偏移和权重，并学习深度上下文重加权以改善类内相似性。在特征重组中，它进一步强化了尺度内判别性特征学习，并基于特征图的信息内容和空间变化重组冗余特征。在 MS COCO、VisDrone2019-DET 和 Cityscapes 上的大量实验表明，A3-FPN 可以轻松集成到最先进的 CNN 和基于 Transformer 的架构中，并带来显著的性能提升。值得注意的是，当与 OneFormer 和 Swin-L 骨干网络配对时，A3-FPN 在 MS COCO 上达到了 49.6 的掩码 AP，在 Cityscapes 上达到了 85.6 的 mIoU。代码可在 https://github.com/mason-ching/A3-FPN 获取。
引用
@article{arxiv.2604.10210,
title = {A3-FPN: Asymptotic Content-Aware Pyramid Attention Network for Dense Visual Prediction},
author = {Meng'en Qin and Yu Song and Quanling Zhao and Xiaodong Yang and Yingtao Che and Xiaohui Yang},
journal= {arXiv preprint arXiv:2604.10210},
year = {2026}
}