近日，由于在解决道路拓扑问题方面的优势，车道中心线已成为一种流行的表示方法。为了提升中心线预测的性能，我们开发了一种名为TopoMask的新方法。与依赖关键点或参数化方法的传统方法不同，TopoMask采用基于实例掩码的公式，并结合了基于掩码注意力的Transformer架构。我们引入了一种四方向标签表示法，以丰富掩码实例中的流信息，并设计了相应的后处理技术用于从掩码到中心线的转换。此外，我们证明了实例掩码公式为参数化贝塞尔回归提供了互补信息，融合这两种输出可以提高检测和拓扑性能。此外，我们分析了Lift Splat技术中柱状假设的不足之处，并采用了多高度区间配置。实验结果表明，TopoMask在OpenLane-V2数据集上达到了最先进的性能，在V1.1 OLS基线上，Subset-A的性能从44.1提升至49.4，Subset-B的性能从44.7提升至51.8。