（TNNLS 2025）可变形卷积+可变形空间注意力机制，即插即用，涨点起飞

主要观点总结

文章介绍了一篇名为DSAN的论文，主要探索了可变形卷积和空间注意力之间的关系。论文提出了三个创新点：轻量级可变形卷积内核DSCN，用注意力替代调制掩码的创新点DSA，以及构建适用于多任务的主干网络DSAN。

关键观点总结

关键观点1: 创新点一：提出DSCN轻量级可变形卷积内核。

针对传统DCNv3在轻量模型中存在的问题，如“稀疏采样”和“计算/内存负担大”，DSCN通过简化采样、使用线性插值以及移除modulation mask来降低计算复杂度和内存开销，使DCNv3的强大形状适应能力首次适用于轻量级CNN。

关键观点2: 创新点二：提出DSA用注意力替代调制掩码。

作者发现DCNv3中的modulation mask与空间注意力在功能上的相似性，因此提出DSA，通过替换modulation mask为空间注意力乘法机制，保留形状自适应能力的同时显著压缩参数和显存。

关键观点3: 创新点三：构建适用于多任务的轻量级CNN主干DSAN。

结合ViT-like阶段结构和DSA模块，DSAN在ADE20K语义分割等多个任务上实现了优于其他轻量级网络的表现。DSAN的整体架构是一种四阶段轻量级卷积神经网络主干结构，每个阶段由多个包含DSA模块的基础块堆叠构成。

免责声明