热点事件持续更新
BUTR用轻量预算器重解动态查询做微小目标检测
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv cs.CV 上的一项工作提出 BUTR，把 DETR 的动态查询机制重新解释为一个“预算分配”问题：解码器的查询容量应当按输入图像中的目标密度来分配，而不是对所有样本采用同一套查询策略。为此，BUTR 引入一个轻量、非学习的 budgeter，从 encoder 的置信度中估计与输入相关的查询预算 K(x)，从而按样本调整实际使用的查询数量。该报道强调，这一做法无需额外的学习模块，也不依赖启发式过滤，目标指向微小目标检测场景。报道未披露所用数据集、对比基线与具体性能数字，也未说明 K(x) 的估计细节与预算上限的设定方式。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
BUTR提出非学习轻量预算器，从encoder置信度估计输入相关查询预算K(x)。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CV将动态查询视为预算分配：BUTR 用轻量预算器做微小目标检测
BUTR 把 DETR 的动态查询机制重新解释为按目标密度分配解码器查询容量的"预算"问题，用轻量、非学习的 budgeter 从 encoder 置信度估计输入相关的查询预算 K(x)，无需额外学习模块或启发式过滤。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。