论文页面 - 面向视觉Transformer中图块网格不稳定性的相位边缘化

来源：https://huggingface.co/papers/2606.08132

摘要

相位边缘化是一种事后方法，通过评估结构化的图块网格相位并在原始图像坐标系中聚合输出，来解决视觉Transformer中相位相关的不稳定性问题。

视觉Transformer（https://huggingface.co/papers?q=Vision%20Transformers）基于固定的图块网格（https://huggingface.co/papers?q=patch%20grids）运行，这可能会在密集预测（https://huggingface.co/papers?q=dense%20prediction）中引入相位相关的不稳定性（https://huggingface.co/papers?q=phase-dependent%20instability）：改变图块划分会改变像素可获得的令牌证据，尤其是在边界附近。我们将图块网格相位（https://huggingface.co/papers?q=patch-grid%20phase）形式化为一个干扰变量，并提出相位边缘化（https://huggingface.co/papers?q=Phase%20Marginalization），这是一种事后边缘化方法，它评估结构化的图块网格相位（https://huggingface.co/papers?q=structured%20patch-grid%20phases），逆对齐（https://huggingface.co/papers?q=inverse-align）密集输出（https://huggingface.co/papers?q=dense%20outputs），并在原始图像坐标系（https://huggingface.co/papers?q=image%20coordinate%20system）中聚合它们。核心变体——采用K=4的均匀相位边缘化（https://huggingface.co/papers?q=Phase%20Marginalization）——无需训练，在所测量的语义分割（https://huggingface.co/papers?q=segmentation）、深度估计和局部匹配（https://huggingface.co/papers?q=local%20matching）设置中均优于经典的K=1基线。在受控的Cityscapes（https://huggingface.co/papers?q=Cityscapes）实验中，均匀相位边缘化（https://huggingface.co/papers?q=Phase%20Marginalization）相比基于通用平移四次前向测试时增强（https://huggingface.co/papers?q=test-time%20augmentation）（TTA）的方法，在相同计算量下具有适度优势（平均交并比（https://huggingface.co/papers?q=Intersection-over-Union）比最强测试通用方案高+0.31）。进一步的可扩展性研究表明，K=4是实用的性价比平衡点：K=8时结果基本不变，K=16时精度提升甚微但延迟显著增加。这些结果将图块网格相位（https://huggingface.co/papers?q=patch-grid%20phase）定位为可测量的干扰变量，并将相位边缘化（https://huggingface.co/papers?q=Phase%20Marginalization）定位为用于密集ViT预测的简单诊断和事后边缘化基线。

查看arXiv页面（https://arxiv.org/abs/2606.08132）查看PDF（https://arxiv.org/pdf/2606.08132）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.08132）

在您的智能体中使用本论文：

hf papers read 2606\.08132

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用该论文的模型0

没有模型链接该论文

请在模型README.md中引用 arxiv.org/abs/2606.08132 以便从此页面链接。

引用该论文的数据集0

没有数据集链接该论文

请在数据集README.md中引用 arxiv.org/abs/2606.08132 以便从此页面链接。

引用该论文的Space0

没有Space链接该论文

请在Space README.md中引用 arxiv.org/abs/2606.08132 以便从此页面链接。

包含该论文的合集0

没有合集包含该论文

请将该论文添加到合集（https://huggingface.co/new-collection）以便从此页面链接。