أظهرت طرق التجزئة الظاهرة ذات المرحلة الثانية والمستندة إلى الاستعلام نتائج ملحوظة. ومع ذلك، تظل الأقنعة المُفصَّلة فيها خشنة نسبيًا. في هذا البحث، نقدّم "Mask Transfiner" لتحسين التجزئة الظاهرة عالية الجودة وفعّالة. بدلًا من العمل على التنسورات الكثيفة المنتظمة، تقوم "Mask Transfiner" بتحليل مناطق الصورة وتمثيلها باستخدام شجرة ربعية (quadtree). تعتمد طريقة التحويل (transformer) على معالجة عقد الشجرة التي يُحتمل أن تحتوي على أخطاء، مع تصحيح هذه الأخطاء ذاتيًا بشكل متوازٍ. وعلى الرغم من أن هذه النقاط النادرة تمثل نسبة صغيرة من العدد الإجمالي للبكسل، إلا أنها حاسمة في جودة القناع النهائي. هذا يسمح لـ "Mask Transfiner" بتوقع أقنعة ظاهرة دقيقة جدًا بتكاليف حوسبة منخفضة. أظهرت التجارب الواسعة أن "Mask Transfiner" تتفوّق على الطرق الحالية للتجزئة الظاهرة على ثلاث معايير شهيرة، محققة تحسنًا كبيرًا في كلا الإطارات: +3.0 نقطة في مقياس AP للقناع على COCO وBDD100K، و+6.6 نقطة في مقياس AP للحدود على Cityscapes. ستكون الشفرة المصدرية والنموذج المدرب متاحين عبر الرابط: http://vis.xyz/pub/transfiner.