Tag · 2 篇
特征上采样
分布 高效模型与推理加速1底层视觉与图像复原1
01 02
UPLiFT：基于局部注意力算子的高效像素稠密特征上采样
UPLiFT: Efficient Pixel-Dense Feature Upsampling with Local Attenders
UPLiFT 提供了一种任务无关的像素稠密特征上采样模块，可直接替换 FPN 式插值或交叉注意力上采样，在分割、深度等稠密预测任务中以更低推理成本获得更稳定的高分辨率特征；其局部注意力池化算子也可迁移到其他需要局部注意力的轻量模块设计中。
NAF：基于邻域注意力滤波的零样本特征上采样
NAF: Zero-Shot Feature Upsampling via Neighborhood Attention Filtering
NAF 提供了一种与具体 VFM 无关的零样本特征上采样器，可直接插在任意视觉基础模型（如 DINOv2、SAM）之后，为分割、深度估计等像素级任务恢复高分辨率特征，无需针对每个 VFM 重新训练；其跨尺度邻域注意力 + RoPE 的权重预测方式也可迁移到其他需要内容自适应滤波的环节。