基于卷积和变换器的图像分割

提供了用于图像处理的技术。例如，过程可以包括：获得图像；以第一尺度分辨率提取第一特征集合；以第二尺度分辨率（低于第一尺度分辨率）提取第二特征集合；执行自注意力变换以生成针对第二特征集合的相似性得分；将相似性得分加到第二特征集合以生成第一特征提取器输出；对第一特征提取器输出进行上采样以生成第二特征提取器输出；将第二特征提取器输出加到第一特征集合以生成第三特征提取器输出；接收实例查询；对实例查询和第一特征提取器输出执行交叉注意力变换以生成权重集合；以及将权重集合和第三特征提取器输出进行矩阵相乘以生成实例掩模。