Wide-ResNet 是一种浅而宽的残差网络(通过堆叠少量的宽残差模块构建)，并在多个稠密预测任务上证实了其优异性能。然而，自从 Wide-ResNet 提取之日鲜少改进。研究者重新反思了其在全景分割 (将语义分割、实例分割统一的一种新任务) 任务上的设计，提出来一个基准模块：将 SE 模块与 SAC 集成入 Wide-ResNet。所提网络的容量可以通过调整宽度、深度得到一类 SWideRNets(Scaling Wide Residual Networks)。作者通过实验证实：这样一种通过网格搜索的简单扩展机制可以使其在全景分割任务上取得 SOTA 性能，在更快模型配置与更强模型配置下均具有更好的性能。