Récemment, la ligne médiane est devenue une représentation populaire des voies en raison de ses avantages pour résoudre le problème de topologie routière. Pour améliorer la prédiction de la ligne médiane, nous avons développé une nouvelle approche appelée TopoMask. Contrairement aux méthodes précédentes qui s'appuient sur des points clés ou des méthodes paramétriques, TopoMask utilise une formulation basée sur des masques d'instances couplée à une architecture de transformer basée sur l'attention masquée. Nous introduisons une représentation d'étiquettes quad-directionnelles pour enrichir les instances de masque avec des informations de flux et concevons une technique de post-traitement correspondante pour la conversion du masque à la ligne médiane. De plus, nous démontrons que la formulation basée sur les masques d'instances fournit des informations complémentaires aux régressions paramétriques de Bézier, et que la fusion des deux sorties conduit à une meilleure détection et performance topologique. En outre, nous analysons les lacunes de l'hypothèse du pilier dans la technique Lift Splat et adaptons une configuration multi-blocs de hauteur (multi-height bin). Les résultats expérimentaux montrent que TopoMask atteint des performances d'état de l'art dans le jeu de données OpenLane-V2, passant de 44,1 à 49,4 pour le Sous-ensemble A et de 44,7 à 51,8 pour le Sous-ensemble B dans la ligne de base V1.1 OLS.