استعلام مكثف مميز للكشف عن الكائنات من البداية إلى النهاية

تمكّن التعيين واحد إلى واحد للوسوم في كشف الكائنات من التغلب على الحاجة إلى عملية ما بعد معالجة مثل إزالة الحد الأقصى غير المُكثّف (NMS)، مما يجعل العملية متسلسلة بالكامل من البداية إلى النهاية. ومع ذلك، فإن هذا النهج أثار مشكلة جديدة، حيث لا يمكن للطلبات النادرة الشائعة ضمان معدل استرجاع عالٍ، في حين أن الطلبات الكثيفة تؤدي بالضرورة إلى زيادة عدد الطلبات المتشابهة وتواجه صعوبات في التحسين. وبما أن كلاً من الطلبات النادرة والكثيفة يحملان مشكلات، فما هي الطلبات المطلوبة فعلاً في كشف الكائنات المتسلسلة بالكامل؟ تُظهر هذه الورقة أن الحل يجب أن يكون "الطلبات الكثيفة المميزة" (Dense Distinct Queries - DDQ). بشكل محدد، نبدأ بوضع طلبات كثيفة كما في الكاشفات التقليدية، ثم نختار الطلبات المميزة لإجراء التعيين واحد إلى واحد. تجمع DDQ بين مزايا الكاشفات التقليدية والكاشفات الحديثة المتسلسلة بالكامل، وتحسّن بشكل ملحوظ أداء العديد من الكاشفات، بما في ذلك FCN وR-CNN وDETRs. وبشكل ملحوظ، حققت DDQ-DETR تقييمًا بنسبة 52.1 AP على مجموعة بيانات MS-COCO خلال 12 دورة فقط باستخدام هيكل أساس من نوع ResNet-50، متفوّقةً على جميع الكاشفات الحالية في نفس الإعداد. كما تتمتع DDQ بالميزة التي يتمتع بها الكاشفات المتسلسلة بالكامل في المشاهد المزدحمة، حيث حققت 93.8 AP على مجموعة بيانات CrowdHuman. نأمل أن تُلهم DDQ الباحثين لاستكشاف التكامل بين الأساليب التقليدية والكاشفات المتسلسلة بالكامل. يمكن العثور على الشفرة المصدرية على الرابط: \url{https://github.com/jshilong/DDQ}.