【Block总结】矩形自校准模块（RCM），自校准函数调整注意力区域|即插即用

论文信息

该论文题为《Context-Guided Spatial Feature Reconstruction for Efficient Semantic Segmentation》，由Zhenliang Ni、Xinghao Chen、Yingjie Zhai、Yehui Tang和Yunhe Wang于2024年5月10日发表，主要探讨了一种新的语义分割框架CGRSeg，该框架基于上下文引导的空间特征重建，旨在提高语义分割的效率和准确性。

• 论文链接：https://arxiv.org/pdf/2405.06228
• 代码：https://github.com/nizhenliang/CGRSeg
  

创新点

1. 矩形自校准模块（RCM）：

   • 该模块用于空间特征重建和金字塔上下文提取，能够在水平和垂直方向上捕获全局上下文，明确建模矩形关键区域。
   • 设计了形状自校准函数，使得关键区域更接近前景对象，从而提高分割精度。
2. <