ml-autofocusformer

让 Transformer 只算关键像素，分割边界更准更省算力

ml-autofocusformer 是 CVPR 2023 论文《AutoFocusFormer: Image Segmentation off the Grid》的官方实现。它针对传统视觉 Transformer 在规则网格上做下采样、导致小目标和细长物体边界信息丢失的问题，提出一种自适应下采样方案：模型根据图像内容动态选择保留哪些关键点，并在这些非规则点上执行局部注意力，从而让计算资源集中在信息量大的区域。项目覆盖 ImageNet 分类、ADE20K 语义分割和 COCO 实例分割任务，提供训练与评估脚本及预训练模型，基于 Python 与 PyTorch 实现。对于研究非网格视觉表示、稀疏注意力与高效分割的开发者，它是一个可直接复现论文结果的参考代码库。