这是一个基于Transformer的轻量级图像分割模型。作者们使用MiT（Mix Transformer）作为编码器，并为LAPFormer设计了一个新颖的解码器，该解码器利用多尺度特征，并包含特征精炼模块和特征选择模块，以生成精细的息肉分割掩码。
1，模型的整体结构：
LAPFormer模型的整体结构是一个编解码器（Encoder-Decoder）架构，其中编码器基于Transformer，而解码器则是一个新颖的CNN结构。
2，编码器：
编码器分支会输出四个分辨率不同的特征图，用于捕捉不同尺度的特征。
其中MiT使用卷积核而不是位置编码（Positional Encoding, PE），这样做是为了在测试分辨率与训练分辨率不同时避免性能下降。卷积层被认为更适合于为Transformer提取位置信息。
MiT使用4x4的小图像块作为输入，这被证明有利于密集预测任务，如语义分割。
3，解码器：
解码器部分包含：特征精炼模块（FRM），特征选择模块（FSM），渐进特征融合（PFF）和低层连接。
1）特征精炼模块（FRM）：
结构如下：
作用是增强局部特征并减少噪声。
2）特征选择模块（FSM）
在预测之前，FSM通过加权向量强调重要特征图并抑制冗余信息，从而帮助网络集中注意力于重要区域。本质是一个注意力机制。
3）渐进特征融合（PFF）
逐步融合来自上层和下层尺度的特征，减少低分辨率、高语义特征图与高分辨率、低语义特征图之间的信息差距。
4）低层连接
通过跳跃连接将FSM的输出特征图与渐进特征融合中的最低层特征图连接起来，以增强模型对息肉边界的预测能力。
4，实验结果：
