DeFloMat：基于流匹配的检测，实现稳定且高效的生成式目标定位

我们提出 DeFloMat（Detection with Flow Matching），一种新的生成式目标检测框架，用于解决扩散基检测器（如 DiffusionDet）的关键延迟瓶颈，通过集成条件流匹配（CFM）来实现。扩散模型通过将检测建模为多步随机去噪过程来实现高精度，但其依赖大量抽样步骤（$T \gg 60$）使得其在如磁共振 Enterography（MRE）中 Crohn's Disease 临床应用等时间敏感的临床应用中难以实用。DeFloMat 将这种缓慢的随机路径替换为来自条件最优输运（OT）理论派生的高度直接、确定性的流场，具体为近似 Rectified Flow。这一转变通过简单的数值微分方程（ODE）求解器实现快速推断。我们在一个具有挑战性的 MRE 临床数据集上展示了 DeFloMat 的优越性。关键的是，DeFloMat 在仅 3 个推断步骤中实现了最新的准确率（$43.32\% \text{ } AP_{10:50}$），这代表了对 DiffusionDet 最大收敛性能（$31.03\% \text{ } AP_{10:50}$ 在 $4$ 步时）的 $1.4\times$ 性能提升。此外，我们的确定性流显著增强了定位特征，产生在 few-step regime 中的更好的召回率和稳定性。DeFloMat 解决了生成式准确性与临床效率之间的权衡，为稳定和快速的目标定位树立了新标准。