V2Net 面向工业裂缝分割中目标尺度变化剧烈、细粒度结构易在多次下采样中丢失的问题，从特征组织结构层面分析 UNet / UNet++ 在多尺度建模上的冗余融合与语义错位问题。
网络结构图#
主要贡献包括：
- 提出嵌套式多尺度特征学习框架，将网络拆解为多个 VNet 子结构，并通过匹配式跳跃连接实现跨尺度单元的语义对齐与特征复用。
- 设计面向裂缝方向性与细粒度几何特征的渐进式特征增强机制，缓解多尺度融合过程中的关键信息衰减。
- 在多个裂缝数据集上优于 UNet、UNet++ 等主流方法；在 KHANHHAS 数据集上，相较 UNet 基线提升 41.69% IoU。
代码入口：NxV2Net。