CR-QAT：面向开放词汇目标检测的课程化关系量化感知训练
计算机视觉与模式识别
2026-03-10 v2
摘要
开放词汇目标检测（Open-Vocabulary Object Detection, OVOD）通过视觉-语言对齐实现新类别检测，但巨大的模型规模阻碍了在资源受限设备上的部署。虽然量化提供了实用的压缩方案，但我们发现，极低位（如 4 位）的量化严重损害细粒度视觉-语言对齐，并扭曲区域间关系结构。为此，我们提出课程化关系量化感知训练（CR-QAT），一种集成阶段性优化与关系知识蒸馏的框架。在 CR-QAT 中，课程化 QAT（CQAT）通过分阶段量化模型来缓解误差累积，确保通过误差隔离实现稳定优化。同时，应用文本导向的关系蒸馏（TRKD）于任务相关模块。通过构建以文本为锚点的两两相似度矩阵，TRKD 全面传递教师的多维关系知识。实验在 LVIS 和 COCO 零样本基准上表明，CR-QAT 在激进的低位设置下 consistently 优于现有 QAT 基线，分别实现了最高 38.9% 和 40.9% 的相对 AP 提升。
引用
@article{arxiv.2603.05964,
title = {CR-QAT: Curriculum Relational Quantization-Aware Training for Open-Vocabulary Object Detection},
author = {Jinyeong Park and Donghwa Kang and Brent ByungHoon Kang and Hyeongboo Baek and Jibum Kim},
journal= {arXiv preprint arXiv:2603.05964},
year = {2026}
}