Graph-Segmenter：具有边界感知注意力的图 Transformer 用于语义分割
计算机视觉与模式识别
2023-08-17 v1
摘要
基于 Transformer 的语义分割方法通过将图像划分为不同窗口并在每个窗口内建模关系，取得了卓越的成功。然而，由于窗口间的关系建模并非先前工作的重点，其未被充分利用。为解决此问题，我们提出了 Graph-Segmenter，包含图 Transformer 与边界感知注意力模块，该网络能有效地从全局视角建模窗口间更深层的关系、从局部视角建模窗口内各像素间的关系，并实现低成本的边界调整。具体而言，我们将每个窗口及窗口内像素视为节点，为两种视角构建图并设计图 Transformer。所引入的边界感知注意力模块通过建模物体边缘上像素间的关系来优化目标物体的边缘信息。在三个广泛使用的语义分割数据集（Cityscapes、ADE-20k 和 PASCAL Context）上的大量实验表明，我们提出的具有边界感知注意力的图 Transformer 网络能够达到最先进的分割性能。
引用
@article{arxiv.2308.07592,
title = {Graph-Segmenter: Graph Transformer with Boundary-aware Attention for Semantic Segmentation},
author = {Zizhang Wu and Yuanzhu Gan and Tianhao Xu and Fan Wang},
journal= {arXiv preprint arXiv:2308.07592},
year = {2023}
}