注意力掩码设计

重新审视 MLLM 自身作为分割器：仅用一个分割嵌入

Rethinking MLLM Itself as a Segmenter with a Single Segmentation Token

对做分割的研究者，这篇给出了一个可复用的思路：把 MLLM 的压缩图像特征与原始分辨率残差特征融合，并用像素反洗牌放大细节，再通过双通路注意力掩码让单个分割 token 直接输出掩码，从而省掉 specialist mask decoder。