開放詞彙分割

深度分析

早期融合 Transformer 骨幹：Falcon Perception 在開放詞彙分割的架構與效能

視覺語言感知常採模組化流水線。Falcon Perception以早期融合Transformer把影像貼片與文字放在同一序列處理，採混合注意力與三階段輸出〈coord〉→〈size〉→〈seg〉，於SA‑Co達到68.0 Macro‑F1，展現複合指稱與密集場景優勢。