| LV-ViT-L (UperNet, MS) |
- Validation mIoU
- 51.8
- Params (M)
- 209
|
All Tokens Matter: Token Labeling for Training Better Vision Transformers 2021-04-22 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 |
| SegFormer-B5 |
- Validation mIoU
- 51.8
- Params (M)
- 84.7
|
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 |
| BiFormer-B (IN1k pretrain, Upernet 160k) |
- Validation mIoU
- 51.7
|
BiFormer: Vision Transformer with Bi-Level Routing Attention 2023-03-15 |
코드 1 · 코드 2 · 코드 3 |
| ConvNeXt V2-L (Supervised) |
- Validation mIoU
- 51.6
|
ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders 2023-01-02 |
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 |
| Light-Ham (VAN-Huge) |
- Validation mIoU
- 51.5
- Params (M)
- 61.1
- GFLOPs (512 x 512)
- 71.8
|
Is Attention Better Than Matrix Decomposition? 2021-09-09 |
코드 1 · 코드 2 · 코드 3 |
| DAT-B++ |
- Validation mIoU
- 51.5
|
DAT++: Spatially Dynamic Vision Transformer with Deformable Attention 2023-09-04 |
코드 1 |
| CrossFormer (ImageNet1k-pretrain, UPerNet, multi-scale test) |
- Validation mIoU
- 51.4
|
CrossFormer: A Versatile Vision Transformer Hinging on Cross-scale Attention 2021-07-31 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| InternImage-B |
- Validation mIoU
- 51.3
- Params (M)
- 128
- GFLOPs
- 1185
|
InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions 2022-11-10 |
코드 1 · 코드 2 · 코드 3 |
| DAT-S++ |
- Validation mIoU
- 51.2
|
DAT++: Spatially Dynamic Vision Transformer with Deformable Attention 2023-09-04 |
코드 1 |
| ActiveMLP-L(UperNet) |
- Validation mIoU
- 51.1
- Params (M)
- 108
|
Active Token Mixer 2022-03-11 |
코드 1 · 코드 2 |
| SegFormer-B4 |
- Validation mIoU
- 51.1
- Params (M)
- 64.1
|
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 |
| PatchConvNet-B60 (UperNet) |
- Validation 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) |
- Validation mIoU
- 51.0
- Params (M)
- 45.6
- GFLOPs (512 x 512)
- 55.0
|
Is Attention Better Than Matrix Decomposition? 2021-09-09 |
코드 1 · 코드 2 · 코드 3 |
| TEC (Vit-B, Upernet) |
- Validation mIoU
- 51.0
|
Towards Sustainable Self-supervised Learning 2022-10-20 |
코드 1 |
| UniRepLKNet-S |
- Validation mIoU
- 51
|
UniRepLKNet: A Universal Perception Large-Kernel ConvNet for Audio, Video, Point Cloud, Time-Series and Image Recognition 2023-11-27 |
코드 1 · 코드 2 · 코드 3 |
| SeMask (SeMask Swin-B FPN) |
- Validation mIoU
- 50.98
- Params (M)
- 96
|
SeMask: Semantically Masked Transformers for Semantic Segmentation 2021-12-23 |
코드 1 |
| InternImage-S |
- Validation mIoU
- 50.9
- Params (M)
- 80
- GFLOPs
- 1017
|
InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions 2022-11-10 |
코드 1 · 코드 2 · 코드 3 |
| MogaNet-L (UperNet) |
- Validation mIoU
- 50.9
- GFLOPs (512 x 512)
- 1176
|
MogaNet: Multi-order Gated Aggregation Network 2022-11-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 |
| dBOT ViT-B |
- Validation mIoU
- 50.8
|
Exploring Target Representations for Masked Autoencoders 2022-09-08 |
코드 1 |
| Upernet-BiFormer-S (IN1k pretrain, Upernet 160k) |
- Validation mIoU
- 50.8
|
BiFormer: Vision Transformer with Bi-Level Routing Attention 2023-03-15 |
코드 1 · 코드 2 · 코드 3 |
| UperNet Shuffle-B |
- Validation mIoU
- 50.5
|
Shuffle Transformer: Rethinking Spatial Shuffle for Vision Transformer 2021-06-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| ConvNeXt V1-L |
- Validation mIoU
- 50.5
|
ConvNeXt V2: Co-designing and Scaling ConvNets with Masked Autoencoders 2023-01-02 |
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 |
| DiNAT-Base (UperNet) |
- Validation mIoU
- 50.4
|
Dilated Neighborhood Attention Transformer 2022-09-29 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 |
| ELSA-Swin-S |
- Validation mIoU
- 50.3
|
ELSA: Enhanced Local Self-Attention for Vision Transformer 2021-12-23 |
코드 1 |
| DAT-T++ |
- Validation mIoU
- 50.3
|
DAT++: Spatially Dynamic Vision Transformer with Deformable Attention 2023-09-04 |
코드 1 |
| SETR-MLA (160k, MS) |
- Validation mIoU
- 50.28
|
Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers 2020-12-31 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| VAN-Large (HamNet) |
- Validation mIoU
- 50.2
- Params (M)
- 55
|
Visual Attention Network 2022-02-20 |
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 |
| HRViT-b3 (SegFormer, SS) |
- Validation mIoU
- 50.2
- Params (M)
- 28.7
- GFLOPs (512 x 512)
- 67.9
|
Multi-Scale High-Resolution Vision Transformer for Semantic Segmentation 2021-11-01 |
코드 1 |
| Twins-SVT-L (UperNet, ImageNet-1k pretrain) |
- Validation 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 |
| MogaNet-B (UperNet) |
- Validation mIoU
- 50.1
- GFLOPs (512 x 512)
- 1050
|
MogaNet: Multi-order Gated Aggregation Network 2022-11-07 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 |