DETR 基于 3D 检测方法中的冗余查询：不必要且可剥离
计算机视觉与模式识别
2025-11-14 v3
摘要
查询式模型在 3D 目标检测任务中广泛使用，可在线获取大量预训练的检查点。尽管其流行度高，这些模型通常需要大量对象查询，远超实际检测目标的数量。冗余查询导致不必要的计算和内存开销。本文发现，并非所有查询都同等重要，大量查询的影响远小于其他查询。基于这一观察，我们提出一种称为逐步剔除查询（GPQ）的极其简单的方法，依据查询的分类得分逐步剔除查询。GPQ 的一个关键优势是无需额外的可学习参数。它可以无缝集成到任何查询式方法中，作为在训练后使用现有检查点进行的微调步骤。通过 GPQ，用户可以轻松生成多个查询更少的模型， starting from 一个查询过多的检查点。在 various advanced 3D 检测器上实验表明，GPQ 有效地减少了冗余查询，同时保持了性能。使用该方法，桌面 GPU 上的模型推理可加速最高达 1.35 倍。此外，在边缘设备上部署后，可实现最高 67.86% 的 FLOPs 减少和 65.16% 的推理时间降低。该代码将在 https://github.com/iseri27/Gpq 上提供。
引用
@article{arxiv.2412.02054,
title = {Redundant Queries in DETR-Based 3D Detection Methods: Unnecessary and Prunable},
author = {Lizhen Xu and Zehao Wu and Wenzhao Qiu and Shanmin Pang and Xiuxiu Bai and Kuizhi Mei and Jianru Xue},
journal= {arXiv preprint arXiv:2412.02054},
year = {2025}
}
备注
AAAI 2026