# 場景解析

基於MIT-B0架構的輕量級圖像分割模型，專為場景解析任務優化

UperNet是一個用於語義分割的框架，採用Swin Transformer作為骨幹網絡，能夠實現像素級的語義標籤預測。

UperNet是一個語義分割框架，結合ConvNeXt大型骨幹網絡，用於像素級語義標籤預測。

UperNet是一種用於語義分割的框架，採用ConvNeXt作為骨幹網絡，能夠實現像素級的語義標籤預測。

一個能夠將圖像內容轉換為文本描述的模型，適用於多種視覺語言任務。

SegFormer是一個基於Transformer架構的語義分割模型，在ADE20k數據集上進行了微調，適用於圖像分割任務。

基於ADE20k數據集訓練的語義分割模型，採用統一框架處理實例分割、語義分割和全景分割任務

SegFormer是一個基於Transformer架構的語義分割模型，在ADE20k數據集上進行了微調，適用於512x512分辨率的圖像分割任務。

這是一個基於ADE20k數據集微調的密集預測變換器（DPT）模型，用於語義分割任務。