来源: 2025, arXiv

作者: Sajjad Shahabodini, Mobina Mansoori, Farnoush Bayatmakou, Jamshid Abouei

一、论文主要工作

目前基于掩模的方法通过捕捉全局背景来产生高质量的掩模。然而，如何确地对这些掩码进行分类，特别是在边界模糊和类别分布不平衡的情况下，仍然是一个开放的挑战。这篇文章介绍了一种新的两阶段分割框架VIT-P，它将掩码生成与分类分离。
第一阶段使用命题生成器来产生经典掩码，而第二阶段利用 VIT上的基于点的分类模型来改进预测。
VIT-P充当无需预训练的适配器，允许集成各种预先训练的VIT，而无需修改其架构，确保对密集预测任务的适应性。

二、模型

三、实验结果

四、总结

课题综合对齐思考:
技术创新—数据拓扑标签计算：这篇研究贡献点在于改进VIT网络，做一个点的分类预测，并不存在数据拓扑标签计算。
技术目标—跨域知识结构对齐：这篇研究并不包含明显的跨域知识结构对齐。
  场景功能—食养通：可以用于食物图片的分割。