| SegViT ViT-Large |
- mIoU
- 55.2
|
SegViT: Semantic Segmentation with Plain Vision Transformers
2022-10-12 |
코드 1 |
| PatchDiverse + Swin-L (multi-scale test, upernet, ImageNet22k pretrain) |
- mIoU
- 54.4%
|
Vision Transformers with Patch Diversification
2021-04-26 |
코드 1 |
| K-Net |
- mIoU
- 54.3
|
K-Net: Towards Unified Image Segmentation
2021-06-28 |
코드 1 |
| DEPICT-SA (ViT-L 640x640 multi-scale) |
- mIoU
- 54.3
|
Rethinking Decoders for Transformer-based Semantic Segmentation: A Compression Perspective
2024-11-05 |
코드 1 |
| SenFormer (Swin-L) |
- mIoU
- 54.2
|
Efficient Self-Ensemble for Semantic Segmentation
2021-11-26 |
코드 1 |
| DeiT-B |
- mIoU
- 54.1
|
DeiT III: Revenge of the ViT
2022-04-14 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 |
| MixMIM-L |
- mIoU
- 53.8
|
MixMAE: Mixed and Masked Autoencoder for Efficient Pretraining of Hierarchical Vision Transformers
2022-05-26 |
코드 1 |
| Seg-L-Mask/16 (MS, ViT-L) |
- mIoU
- 53.63
|
Segmenter: Transformer for Semantic Segmentation
2021-05-12 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| Swin-L (UperNet, ImageNet-22k pretrain) |
- mIoU
- 53.5
|
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
2021-03-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71 · 코드 72 · 코드 73 · 코드 74 · 코드 75 · 코드 76 · 코드 77 · 코드 78 · 코드 79 · 코드 80 |
| SeMask (SeMask Swin-L FPN) |
- mIoU
- 53.5
|
SeMask: Semantically Masked Transformers for Semantic Segmentation
2021-12-23 |
코드 1 |
| PatchConvNet-L120 (UperNet) |
- mIoU
- 52.9
|
Augmenting Convolutional networks with attention-based aggregation
2021-12-27 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| DEPICT-SA (ViT-L 640x640 single-scale) |
- mIoU
- 52.9
|
Rethinking Decoders for Transformer-based Semantic Segmentation: A Compression Perspective
2024-11-05 |
코드 1 |
| PatchConvNet-B120 (UperNet) |
- mIoU
- 52.8
|
Augmenting Convolutional networks with attention-based aggregation
2021-12-27 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| SegFormer-B5(MS, 87M #Params, ImageNet-1K pretrain) |
- mIoU
- 51.8
|
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers
2021-05-31 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 |
| Light-Ham (VAN-Huge, 61M, IN-1k, MS) |
- mIoU
- 51.5
|
Is Attention Better Than Matrix Decomposition?
2021-09-09 |
코드 1 · 코드 2 · 코드 3 |
| CrossFormer (ImageNet1k-pretrain, UPerNet, multi-scale test) |
- mIoU
- 51.4%
- Pixel Accuracy
- 84.0%
|
CrossFormer: A Versatile Vision Transformer Hinging on Cross-scale Attention
2021-07-31 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| PatchConvNet-B60 (UperNet) |
- mIoU
- 51.1
|
Augmenting Convolutional networks with attention-based aggregation
2021-12-27 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| Light-Ham (VAN-Large, 46M, IN-1k, MS) |
- mIoU
- 51.0
|
Is Attention Better Than Matrix Decomposition?
2021-09-09 |
코드 1 · 코드 2 · 코드 3 |
| UperNet Shuffle-B |
- mIoU
- 50.5
|
Shuffle Transformer: Rethinking Spatial Shuffle for Vision Transformer
2021-06-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| ELSA-Swin-S |
- mIoU
- 50.3
|
ELSA: Enhanced Local Self-Attention for Vision Transformer
2021-12-23 |
코드 1 |
| MixMIM-B |
- mIoU
- 50.3
|
MixMAE: Mixed and Masked Autoencoder for Efficient Pretraining of Hierarchical Vision Transformers
2022-05-26 |
코드 1 |
| Twins-SVT-L (UperNet, ImageNet-1k pretrain) |
- mIoU
- 50.2
|
Twins: Revisiting the Design of Spatial Attention in Vision Transformers
2021-04-28 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 |
| Seg-B-Mask/16 (MS, ViT-B) |
- mIoU
- 50.0
|
Segmenter: Transformer for Semantic Segmentation
2021-05-12 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| Swin-B (UperNet, ImageNet-1k pretrain) |
- mIoU
- 49.7
|
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
2021-03-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71 · 코드 72 · 코드 73 · 코드 74 · 코드 75 · 코드 76 · 코드 77 · 코드 78 · 코드 79 · 코드 80 |
| gSwin-S |
- mIoU
- 49.69
- Pixel Accuracy
- 83.43
|
gSwin: Gated MLP Vision Model with Hierarchical Structure of Shifted Window
2022-08-24 |
연결 없음 |
| Seg-B/8 (MS, ViT-B) |
- mIoU
- 49.61
- Pixel Accuracy
- 83.37
|
Segmenter: Transformer for Semantic Segmentation
2021-05-12 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| UperNet Shuffle-S |
- mIoU
- 49.6
|
Shuffle Transformer: Rethinking Spatial Shuffle for Vision Transformer
2021-06-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| Light-Ham (VAN-Base, 27M, IN-1k, MS) |
- mIoU
- 49.6
|
Is Attention Better Than Matrix Decomposition?
2021-09-09 |
코드 1 · 코드 2 · 코드 3 |
| PatchConvNet-S60 (UperNet) |
- mIoU
- 49.3
|
Augmenting Convolutional networks with attention-based aggregation
2021-12-27 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| DPT-Hybrid |
- mIoU
- 49.02
- Pixel Accuracy
- 83.11
|
Vision Transformers for Dense Prediction
2021-03-24 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 |