控制你的查询：面向相机-雷达融合的异构查询交互
计算机视觉与模式识别
2026-04-29 v1
摘要
在自动驾驶中，相机-雷达融合提供了互补的感知能力与较低的部署成本。现有方法通过输入混合、特征图混合或基于查询的特征采样进行融合。我们提出了一种新的融合范式，称为异构查询交互，并提出了 ConFusion，一种相机-雷达 3D 目标检测器。ConFusion 结合了图像查询、雷达查询以及分布在 3D 空间中的可学习世界查询，以改善查询初始化和目标覆盖范围。为了鼓励异构查询之间的跨类型交互，我们引入了异构查询混合（QMix），它在特征采样后执行专门的跨类型注意力，以巩固互补的目标证据。我们进一步提出了交互式查询交换采样（QSwap），它通过允许相关查询在注意力和几何约束下交换信息特征 token 来改善特征采样。在 nuScenes 数据集上的实验表明，ConFusion 实现了 SOTA 性能，在验证集上达到 59.1 mAP 和 65.6 NDS，在测试集上达到 61.6 mAP 和 67.9 NDS。
引用
@article{arxiv.2604.25574,
title = {Control Your Queries: Heterogeneous Query Interaction for Camera-Radar Fusion},
author = {Jialong Wu and Yihan Wang and Matthias Rottmann},
journal= {arXiv preprint arXiv:2604.25574},
year = {2026}
}