动态卷积（dynamic convolution)

动态卷积应用于分割任务

1. 《Learning to Predict Context-adaptive Convolution for Semantic Segmentation》

本篇工作认为SENet 利用global context 得到channel-wise的权重信息，损失了空间特性，因此提出根据输入特征得到key与query矩阵相乘获取动态卷积核，然后以此与输入特征做卷积得到spatially-varying的权重信息,作为输入特征的attention value。

2.《Conditional Convolutions for Instance Segmentation》

引入条件卷积，控制器为每个实例动态生成mask head的参数，因此每次mask head 预测时只关注当前实例，替代了之前方法的roi特征crop。