DEtection TRansformer
PulseAugur coverage of DEtection TRansformer — every cluster mentioning DEtection TRansformer across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
检测Transformer应用于扩散MRI进行微观结构量化
研究人员开发了一种新方法，通过将白质微观结构量化问题重构为目标检测任务来分析扩散MRI数据。该方法利用检测Transformer (DETR) 架构，同时预测平均扩散率 (MD) 和分数各向异性 (FA) 等关键指标，以及每个体素可变数量的纤维方向和信号分数。该系统在合成数据上进行了评估，对MD和FA实现了高精度，并对纤维方向实现了低中值角度误差。
-
SeGDeP 通过解耦语义和几何提示来增强推理分割
研究人员开发了 SeGDeP，一种新颖的推理分割接口，它将语义理解与空间定位分离开来。该方法使用独立的语义提示和几何投影分支，然后共同为掩码解码器提供信息。SeGDeP-4B 在 RefCOCO+ 和 ReasonSeg 等基准测试中表现强劲，通过 LoRA 调整了 Qwen3-VL 模型的一小部分参数来实现这些结果。
-
新框架利用预训练检测器的稳定-塑性不对称性进行增量目标检测
研究人员开发了一个新的增量目标检测框架，该框架利用了预训练的DETR类检测器中存在的稳定-塑性不对称性。该方法冻结了定位头以保持几何稳定性，同时调整了Transformer表示和分类头以实现塑性，尤其是在跨域场景中。该方法还结合了伪特征回放以减轻先前学习类别的遗忘，并使用两阶段一致蒸馏来对齐表示。在COCO、VOC和TT100K数据集上的实验表明，该方法在保留旧类别和适应新类别之间取得了平衡，达到了最先进的性能。
-
新的ChessQueries方法在棋盘识别方面达到99.2%的准确率
研究人员开发了ChessQueries，一种用于从图像识别棋盘状态的新颖方法。这种新方法结合了ViT编码器和DETR风格的解码器，显著优于现有基准。ChessQueries在ChessReD数据集上实现了近乎完美的99.2%的准确率，比之前15.3%的最先进水平有了巨大飞跃。该方法在外部分布数据集上表现出鲁棒性，并引入了一个源自职业国际象棋比赛的新的、更具挑战性的公共数据集。
-
新研究通过3D几何和LLM集成推进多目标跟踪 · 已跟踪4个来源
研究人员开发了用于视频中多目标跟踪的新方法，旨在提高准确性和效率。PLANET，一种新的端到端跟踪器，通过整合3D场景几何并实现基准测试中的最先进性能，超越了图像平面的限制。YesTrack将指代式多目标跟踪重新表述为判别式任务，利用多模态大语言模型进行是/否验证，并引入时间一致性约束。此外，TQD-Track引入了用于3D多目标跟踪的时间查询去噪，通过将时间信息纳入训练过程来增强现有方法。
-
新型CLSC DETR模型提升无人机小目标检测能力
研究人员开发了一种名为CLSC DETR的新型目标检测模型，旨在提高无人机（UAV）捕获的复杂空中场景中小目标的识别能力。该模型解决了小目标空间范围有限、分布密集和遮挡频繁等挑战。CLSC DETR通过聚合不同层的几何证据并根据定位质量和可靠性校准分类分数来增强候选者排序，从而在VisDrone和UAVDT等数据集上提高了性能。
-
新框架通过连续性学习提升工业缺陷检测能力
研究人员开发了一种新的连续性驱动表示学习框架，以改进工业缺陷检测。该方法利用以正常为主的区域作为密集辅助监督，引入了两个与检测器无关的目标：多连续性损失和差分损失。在工业数据集和NEU-DET基准上的实验表明，在包括YOLO和DETR模型在内的各种检测器架构上，尤其是在数据有限的条件下，性能得到了一致的提升。
-
新的arXiv研究比较了用于军事目标检测的AI模型
一篇新发表在arXiv上的研究论文详细介绍了一项关于自动目标检测与识别（ATD/R）的开箱即用技术的比较研究。该研究在与军事相关的数据库上对多个YOLO版本和DETR框架变体进行了基准测试，评估了它们在VisDrone数据库上进行微调前后的性能。主要发现表明，更大的模型性能更好，基于DETR的模型显示出潜力，并且虽然在域外数据库上进行微调可以提高性能，但在域内训练对于有效的ATD/R系统，尤其是在空对地场景中检测小型目标方面，仍然至关重要。
-
新研究探讨计算机视觉中的集解码器性能
研究人员开发了一种新的方法来分析计算机视觉中的集解码器，重点关注提高个体预测的准确性与维持预测集整体效用之间的权衡。他们的研究使用ResNet-50和DETR系列检查点，发现通过删除特定查询可以实现局部增益，但这通常会对固定分配集损失产生负面影响。这些影响在不同的检查点和干预方法之间持续存在，表明局部干预的成功并不直接转化为联合解码集的结果。
-
MammoMix 使用专家混合模型实现鲁棒的乳腺钼靶图像检测
研究人员开发了 MammoMix，一个利用专家混合（MoE）范式来改进乳腺钼靶图像中乳腺病灶检测的新框架。该方法在特定数据集上训练独立的专家模型，使它们能够专注于不同的数据特征。然后，一个门控机制自适应地组合这些专家的输出，增强了领域自适应推理和整体鲁棒性。该框架还包括一个校准模块 MoCAE，用于调整置信度分数并提高可靠性，在不同乳腺钼靶数据集上的表现优于基线检测器。
-
新型 Poly-DETR 模型连接物体检测与分割
研究人员推出了一种新颖的方法——多边形检测 Transformer (Poly-DETR)，它弥合了物体检测与分割之间的差距。该方法利用极坐标表示直接构建逼近轮廓的多边形，与传统的边界框或像素级掩码相比，提供了更紧凑、更准确的表示。Poly-DETR 与 DETR 类检测器无缝集成，并引入了极坐标可变形注意力 (Polar Deformable Attention) 和感知位置的训练方案 (Position-Aware Trainin…
-
现代骨干网络提升AI在乳腺摄影分类和病灶定位方面的能力
研究人员探索在多任务DETR框架中使用现代神经网络骨干网络，以增强乳腺摄影分类和病灶定位。研究发现，像ConvNeXtV2和DINOv3这样的先进骨干网络，其性能显著优于旧的残差神经网络架构。ConvNeXtV2在OPTIMAM数据集上表现出特别强的性能，而DINOv3在SGM1k队列上取得了最佳结果，这表明骨干网络质量在多任务乳腺摄影应用中的关键作用。
-
新的SkySeaLand基准针对卫星目标检测挑战
研究人员推出了SkySeaLand，这是一个专为卫星目标检测设计的新基准数据集，特别关注宽幅场景和小目标。该数据集包含1,307张高分辨率卫星图像，对飞机、船只和舰船等交通相关目标进行了超过19,000个标注。同时，他们开发了SkyDet，一个具有小尺寸和高效推理速度的超轻量级检测基线模型。
-
深度学习模型推进公用设施电线杆和标志检测
研究人员开发了一个深度学习框架，用于检测、分割和估算公用设施电线杆的倾斜角度，并对附着的警示标志进行分类。该系统基于改进的检测Transformer (DETR) 模型，在包含4,570张来自Google Street View的标注图像的自定义数据集上进行了训练。这种方法优于RetinaNet和YOLOv3-Tiny等标准对象检测器，在电线杆和标志检测方面均实现了高平均精度。该框架还能生成掩码，用于准确估算电线杆倾斜角度，在测试集上…
-
发布用于Sentinel-1船舶检测的新型开放数据集OSSDD
研究人员推出OSSDD，这是一个专为训练神经网络在合成孔径雷达（SAR）图像中检测船舶而设计的新型开放数据集。该数据集基于OpenSARShip 1.0数据集构建，提供了15,197个Sentinel-1幅度图像块，并包含超过55,000艘船的详细标注。OSSDD包括二值船舶掩码、轴对齐边界框和旋转边界框，旨在作为未来SAR船舶检测实验的基准。该数据集可在Hugging Face上获取。
-
2D 检测 Transformer 展现出令人惊讶的 3D 理解能力
研究人员调查了预训练的 2D 检测 Transformer（如 DETR）的 3D 物体级理解能力。他们的发现表明，尽管这些模型仅在 2D 数据上进行训练，没有明确的 3D 监督，但它们却拥有表示物体深度和相对于相机 3D 位置信息的显著能力。这表明这些模型在从 2D 嵌入中推断 3D 属性方面具有先前未被认识到的能力。
-
RiO-DETR通过新颖的Transformer架构推动实时定向目标检测
研究人员推出RiO-DETR，这是一种专为实时定向目标检测设计的新型检测Transformer。该模型解决了将现有Transformer架构应用于定向边界框的关键挑战，例如语义依赖的方向和角度周期性。RiO-DETR采用了任务原生设计，包括内容驱动的角度估计、旋转校正正交注意力、解耦周期性细化和定向密集O2O，以实现高效准确的性能。在DOTA-1.0、DIOR-R和FAIR-1M-2.0等基准数据集上的实验表明，RiO-DETR在实时…
-
Gaze-DETR 使用优先级图进行红外无人机检测
研究人员开发了Gaze-DETR，一种用于检测红外图像中小而弱目标的新方法，特别针对无人机（UAV）。该方法在定位之前引入了受生物启发的内部优先级图来指导检测过程，解决了杂波和遮挡等挑战。Gaze-DETR 使用优先级头来预测此图，通过残差优先级引导特征调制（RPFM）增强高优先级特征，并通过优先级引导锚点查询注入（PAQI）将这些优先级注入解码器查询。该系统在新数据集如TIR-UAV120-Gaze和Anti-UAV410上表现强劲…
-
人工智能驱动的虚拟白手杖使用 LiDAR 和 DETR
一篇研究论文详细介绍了 VirtualCane 的开发，这是一款人工智能驱动的虚拟白手杖，旨在帮助视障人士。该系统利用了 LiDAR 和 DETR 等技术，在 iPhone 13 Pro Max 上的性能高达每秒 60 帧。VirtualCane 的源代码可在 GitLab 上公开获取。
-
新的FSDC-DETR模型通过频空间协同增强小目标检测能力
研究人员推出了一种新颖的检测Transformer模型FSDC-DETR，旨在通过协同建模空间和频率表示来改进小目标检测。该框架利用双分支频空间自适应融合机制来增强频率多样性并自适应地捕获判别性特征。该模型还采用了一种频空间交互方案，用于渐进式特征传播和结构感知聚合，旨在保留高频分量并最小化多尺度融合过程中的退化。实验结果表明，FSDC-DETR在VisDrone-DET2019和AITODv2等基准数据集上取得了最先进的性能。