用于全景街道分割的 Vision Transformer 集成方案

该论文介绍了在 2026 年 10 月 5 日排行榜快照中夺得 PalmCity 挑战赛第一名的系统方案。研究在近似相等的计算预算下对比了九种预训练分割系统，包括 DeepLabV3+、SegFormer、UPerNet、Mask2Former、带线性解码器的 DINOv3，以及使用 DINOv3 的 Encoder only Mask Transformer。