自律走行におけるLane検出は、近年注目を集める重要な機能の一つであり、特に外観が劣悪なLaneインスタンスをセグメンテーションするネットワークは、Laneの分布特性を効果的に探索できる必要がある。既存の多くはCNNベースの手法に依拠しているが、最近注目を集めているseq2seq型Transformer（Transformer \cite{transformer}）を導入した試みも少数存在する。しかしながら、これらの手法には、グローバルな情報収集能力が弱く、計算負荷が極めて高いという根本的な欠点があり、さらなる応用に際して制約が生じている。本研究では、この問題を解決するため、アトラス型Transformer（AtrousFormer）を提案する。その変種である局所型AtrousFormerを特徴抽出器にインタリーブ（交互配置）することで、特徴の抽出能力を強化した。本手法は、情報収集を専用の順序で行う——まず行方向に、次に列方向に——ことにより、より強力な情報獲得能力と優れた計算効率を実現した。さらに性能を向上させるため、各Laneの開始点の予測ガウスマップを用いて、Laneの識別と形状をより正確に描出するための局所的意味情報ガイド付きデコーダを提案した。CULane、TuSimple、BDD100Kの3つの困難なベンチマークにおいて実施した広範な実験結果から、本ネットワークが最先端手法と比較しても優れた性能を発揮することが明らかになった。