特征上采样不再重画整张图:AnchorUp 只学插值修正,参数降到 NAF 的四分之一
视觉基础模型输出的特征分辨率比图像粗十几倍,稠密预测需要逐像素特征,此前的学习式上采样器直接回归整张高分辨率特征图。AnchorUp 把无参数的双线性或双三次插值留在输出里作为锚点,只让一个小型引导网络预测相对插值的修正,再用一个可学习标量门把两者混合。它在 DINOv3 上只训练 NAF 两阶段中的第一阶段,在 Pascal VOC 与 Cityscapes 上与两阶段 NAF 持平,在 DAVIS-2017 上于全部六个骨干上超过它,参数量为 167,425,约为 NAF 的四分之一。