DDRNet语义分割

DDRNet（Deep Decoder-Refiner Network）是一种深度学习模型，特别应用于图像语义分割任务中。它是由北京大学的研究团队提出的，旨在提高语义分割的精度和效率。DDRNet的设计理念是将传统的编码器（如VGG、ResNet等）和解码器结构结合起来，通过一个名为“深度解码器”的部分，对特征图进行精细的下采样和上采样操作。

在DDRNet中，深度解码器负责从编码器生成的粗糙特征图中提取更多的细节信息，这些细节被用于重建高分辨率的语义分割结果。相比于其他单纯依赖于上采样的方法，DDRNet通过解码器内的注意力机制和残差连接优化了特征融合，提高了分割结果的精度。

相关问题：
1. DDRNet相较于传统的语义分割模型有哪些优势？
2. 深度解码器如何帮助提升分割精度？
3. DDRNet中的注意力机制是如何工作的？
4. DDRNet在实际应用中有哪些场景或挑战？