私たちは、多スケール処理の能力を向上させるために、セマンティックセグメンテーション用のオートフォーカス畳み込み層を提案します。オートフォーカス層は、処理されるコンテキストに基づいて効果的な受容野のサイズを適応的に変更し、より強力な特徴を生成します。これは、異なる拡張率を持つ複数の畳み込み層を並列化し、コンテキストによって最適なスケールに焦点を当てる注意機構によって組み合わせることで達成されます。並列畳み込みの重みを共有することで、ネットワークはスケール不変性を持ちつつ、パラメータ数の増加は僅かに抑えられます。提案するオートフォーカス層は既存のネットワークに容易に統合でき、モデルの表現力を向上させることができます。私たちは骨盤CTにおける多臓器セグメンテーションとMRIにおける脳腫瘍セグメンテーションという困難なタスクでモデルを評価し、非常に有望な性能を得ました。