高效语义分割中的跨阶段注意力传播
计算机视觉与模式识别
2026-04-08 v1
摘要
最近的轻量级语义分割方法通过结合紧凑的主干网络和高效的解码器头取得了显著进展。然而，大多数多尺度解码器在每个特征尺度上独立计算注意力，这导致引入巨大的冗余，因为不同尺度上注意力分布强烈相关。我们提出了跨阶段注意力传播 (Cross-Stage Attention Propagation, CSAP)，这是一种解码器框架，在最深特征尺度上计算注意力，并将 resulting 注意力图传播到较浅的阶段，完全绕过这些阶段的查询-键计算。这一设计在保持多尺度上下文推理的同时，大幅降低了解码器的计算成本。CSAP-Tiny 在 ADE20K 上实现 42.9% mIoU 仅需 5.5 GFLOPs，在 Cityscapes 上实现 80.5% 仅需 21.5 GFLOPs，在 COCO-Stuff 164K 上实现 40.9% 仅需 5.5 GFLOPs，超越 SegNeXt-Tiny 在 ADE20K 上提升 +1.8%，同时仅需 16.8% 的浮点运算。
引用
@article{arxiv.2604.05431,
title = {Cross-Stage Attention Propagation for Efficient Semantic Segmentation},
author = {Beoungwoo Kang},
journal= {arXiv preprint arXiv:2604.05431},
year = {2026}
}
备注
7 pages, 6 figures