掩码生成与分类解耦

通用图像分割中视觉 Transformer 缺失的一环

The Missing Point in Vision Transformers for Universal Image Segmentation

把掩码生成与掩码分类解耦，用 ViT 做点基分类器作为免预训练适配器，可直接插到现有 mask-based 分割流程中提升边界模糊与类别不均衡下的分类精度，并支持用粗标注/边界框标注替代精细标注。