ViT-编码器

VidEoMT：你的 ViT 其实也是视频分割模型

VidEoMT: Your ViT is Secretly Also a Video Segmentation Model

把视频分割的时序建模从专用跟踪模块转移到 ViT 编码器内部：复用上一帧的 query 做传播、再与时序无关的可学习 query 融合，可直接迁移到任何基于 query 的视频分割/跟踪管线，用极简结构换取 5-10 倍加速。