ml-autofocusformer
让 Transformer 只算关键像素，分割边界更准更省算力
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-01 · 当前星标 ★ 126
技术标签
核心亮点
- 提出自适应下采样，按内容选择保留点，而非固定网格池化，对小目标和细长结构更友好
- 在分类、语义分割、实例分割三类任务上均给出完整训练与评估代码，可复现论文结果
- 官方实现，包含预训练权重与配置，省去从零搭建实验环境的成本
不足之处
- 星标仅 126，属于早期小众项目，社区活跃度和第三方复现讨论有限
- 自适应采样涉及非规则点操作，对自定义算子或特定 CUDA 环境有依赖，部署门槛高于常规 ViT
适用场景
- 研究非网格视觉表示与稀疏注意力的论文复现实验
- 在语义分割中提升小目标、细长物体边界的精度
- 作为高效 Transformer 下采样模块，嵌入自有分割或检测模型
替代项目
SegFormer、Mask2Former、PVT
上一篇：Medical-SAM3
下一篇：platypus
同类项目推荐
Awesome-ICCV2025-ICCV2021-Low-Le···
开源
一键查全ICCV低层视觉论文代码，做研究不再漏
A Collection of Papers and Codes for ICCV2025/ICCV2021 Low Level Vision
tessdoc
开源
Tesseract 官方文档一站查，装、调、训不再翻论坛
Tesseract documentation
Pair-VPR
开源
用视觉Transformer让机器人认路更准，不怕光照季节变化
[IEEE RA-L 2025] The official repository for Pair-VPR: Place-Aware Pre-training and ···
CLIP-API-service
开源
把 CLIP 模型变成一行代码就能调用的 API，快速实现图文搜索与识别。
CLIP as a service - Embed image and sentences, object recognition, visual reasoning,···
ShowAnything
开源
用语言或点击，轻松编辑视频中的任意目标
MultimodalOCR
开源
用29项细粒度任务，测出多模态大模型的OCR真实水平
On the Hidden Mystery of OCR in Large Multimodal Models (OCRBench)
Awesome-MLLM-Segmentation
开源
一页看懂 MLLM 做图像视频分割的全部代表论文
A curated list of publications on image and video segmentation leveraging Multimodal···
LIGHT
开源
无需分类器，轻松生成自然的人-物交互3D动画
[ICLR 2026] Unleashing Guidance Without Classifiers for Human-Object Interaction Ani···
marigold-v2
开源
单张图生成稠密深度图，细节边缘更稳
Marigold V2: Revisiting Diffusion Transformers for Monocular Depth Estimation