地形增强的分辨率感知精炼注意力用于越野分割

越野语义分割面临边界粗厚且不一致、稀有类别监督稀疏以及普遍存在的标签噪声等问题。仅在低分辨率下融合的设计会模糊边缘并传播局部误差，而维持高分辨率路径或重复高分辨率融合则成本高昂且对噪声敏感。我们引入了一个分辨率感知的令牌解码器，在不完美监督下平衡全局语义、局部一致性和边界保真度。大部分计算发生在低分辨率瓶颈处；一个门控交叉注意力注入精细尺度细节，并且仅对一组稀疏的、由不确定性选择的像素进行精炼。这些组件是协同设计和紧密集成的：全局自注意力与轻量级膨胀深度精炼相结合以恢复局部一致性；门控交叉注意力从标准的高分辨率编码器流中集成精细尺度特征而不放大噪声；类感知点精炼以可忽略的开销纠正残留歧义。在训练期间，我们添加了一个边界带一致性正则化器，鼓励在标注边缘周围的薄邻域内产生一致的预测，且无推理时间成本。总体而言，结果表明了具有竞争力的性能和跨过渡区域的改进稳定性。