SpecDETR：一种基于 Transformer 的高光谱点目标检测网络
内容提要
3DETR 是一种基于 Transformer 的端到端目标检测模型，专为 3D 点云设计，性能优于 VoteNet。DAMS-DETR 结合红外与可见光图像，提升物体检测能力。Semi-DETR 和 Sparse Semi-DETR 通过改进策略解决传统模型问题，提升检测精度。O²DETR 实现复杂物体检测，超越 Faster R-CNN 和 RetinaNet。STEMD 处理多帧 3D 物体检测，捕获时空依赖性。
延伸解读
DETR 系列的技术演进脉络
从 2020 年的原始 DETR 到 2024 年的 DAMS-DETR，基于 Transformer 的检测器在多个方向持续演进。原始 DETR 将检测视为集合预测问题，无需锚点等手工设计；Deformable DETR 通过可变形注意力提升小物体检测；Sparse DETR 则聚焦于令牌更新效率。这些改进共同推动了检测器在精度与效率上的平衡，也为后续多模态、半监督等扩展奠定了基础。
半监督与多模态：DETR 的两大扩展方向
Semi-DETR 和 Sparse Semi-DETR 将 DETR 拓展至半监督场景，前者通过阶段混合匹配和伪标签挖掘，后者引入查询精化与伪标签过滤，均旨在提升对小型和部分遮挡对象的检测能力。DAMS-DETR 则融合红外与可见光图像，解决模态错位问题，实现全天候检测。这些工作表明 DETR 框架具备较强的可扩展性，能适应不同数据条件和任务需求。
3D 与多帧检测中的 DETR 应用
3DETR 将 Transformer 端到端检测引入 3D 点云，在 ScanNetV2 上比 VoteNet 基线提升 9.5%，且仅需最小修改。STEMD 进一步处理多帧 3D 检测，通过空间-时间图注意力网络捕获时空依赖，控制冗余检测。这些工作显示 DETR 范式不仅适用于 2D 图像，也能有效处理 3D 点云和多帧序列，拓展了其应用边界。
Q&A
3DETR模型的主要特点是什么？
3DETR是一种基于Transformer的端到端目标检测模型，专为3D点云设计，性能优于VoteNet。
DAMS-DETR如何提升物体检测能力？
DAMS-DETR通过融合红外和可见光图像的互补信息，解决高动态变异和模态错位问题，从而提升物体检测能力。
Semi-DETR的创新之处是什么？
Semi-DETR通过阶段混合匹配策略和伪标签挖掘模块，提升半监督物体检测性能，解决了DETR中的问题。
Sparse Semi-DETR是如何提高小型物体检测能力的？
Sparse Semi-DETR引入查询精化和伪标签过滤模块，显著提高了对小型和部分遮挡对象的检测能力。
O²DETR与Faster R-CNN和RetinaNet相比有什么优势？
O²DETR实现复杂物体检测，性能明显优于Faster R-CNN和RetinaNet，无需旋转锚点。
STEMD模型解决了哪些问题？
STEMD处理多帧3D物体检测，捕获时空依赖性，解决对象间的空间交互和时间依赖性问题。
