PanSR：一种用于全景分割的以目标为中心的 Mask Transformer

全景分割是计算机视觉中的一项基础任务，也是自动驾驶汽车感知的关键组成部分。近期基于 mask-transformer 的方法在标准基准测试上取得了令人瞩目的性能，但在处理小目标、拥挤场景以及存在大范围目标尺度变化的场景时面临重大挑战。我们指出了当前方法的几个根本性缺陷：(i) 查询提议生成过程偏向于较大的目标，导致较小的目标被遗漏；(ii) 初始定位良好的查询可能会漂移到其他目标上，导致漏检；(iii) 空间上分离良好的实例可能被合并为单个掩码，导致对场景的解释不一致且错误。为了解决这些问题，我们重新思考了网络的各个组件及其监督方式，并提出了一种新颖的全景分割方法 PanSR。PanSR 有效缓解了实例合并问题，增强了小目标检测能力，并提升了在拥挤场景下的性能，在极具挑战性的 LaRS 基准测试上较 SOTA 取得了显著的 +3.4 PQ 提升，同时在 Cityscapes 上达到了 SOTA 性能。代码和模型将公开发布于 https://github.com/lojzezust/PanSR。