将 Mask2Former 添加到 SMP

Mask2Former 模型在 Masked-attention Mask-Transformer for Universal Image Segmentation 论文中被引入,并首次在 此仓库 中发布。Mask2Former 以相同的范式解决实例、语义和全景分割问题:通过预测一组掩码和对应的标签。因此,这 3 个任务都被视为实例分割。Mask2Former 在性能和效率方面均优于之前的 SOTA 模型 MaskFormer MaskFormer,具体表现如下: (i) 使用更先进的多尺度可变注意力 Transformer 替换像素解码器; (ii) 采用带有掩码注意力的 Transformer 解码器,以提高性能,而无需增加额外的计算; (iii) 通过在子采样点上计算损失,而不是在整个掩码上计算,来提高训练效率。