facebook/mask2former-swin-large-mapillary-vistas-semantic

Mask2Former решает задачи сегментации объектов, семантической и паноптической сегментации.

Модель предсказывает набор масок и соответствующих меток для этих задач.

Модель использует усовершенствованный Transformer с многомасштабным деформируемым вниманием вместо пиксельного декодера.

Также применяется декодер Transformer с маскированным вниманием для повышения производительности.

Эффективность обучения повышается за счет расчета потерь на подвыбранных точках.

Этот чекпойнт можно использовать для паноптической сегментации.