您好,在您的文章中,该方法应用于 DN-DETR 和 DINO 的时候,“Cascade- DINO outperforms DINO by 1.0 AP75 with a much simpler attention design, removing the necessity for predicting 2D anchor points and sampling offsets.” 这句话我不太理解。
根据代码,方法中使用的还是显式化的坐标然后通过 hs 映射出 offset,与 reference point 相加的方法,为什么会说是无需再进行预测 2D 锚点和偏移量采集?
还望解答,谢谢
您好,在您的文章中,该方法应用于 DN-DETR 和 DINO 的时候,“Cascade- DINO outperforms DINO by 1.0 AP75 with a much simpler attention design, removing the necessity for predicting 2D anchor points and sampling offsets.” 这句话我不太理解。 根据代码,方法中使用的还是显式化的坐标然后通过 hs 映射出 offset,与 reference point 相加的方法,为什么会说是无需再进行预测 2D 锚点和偏移量采集? 还望解答,谢谢