ViCrop-Det：基于空间注意力熵引导裁剪的无训练小目标检测
计算机视觉与模式识别
2026-04-30 v1 人工智能
摘要
基于Transformer的架构已在全局语义感知中建立了主导范式；然而，它们仍然从根本上受到自然图像中固有的深刻空间异质性的限制。具体来说，在信息密度不同的区域上施加统一的全局感受野不可避免地会导致局部特征退化，特别是在布满微小目标的密集冲突区域。为了解决这一机制性限制，我们提出了ViCrop-Det，一个无训练的推理框架，引入了自适应空间信任区域收缩。受注意力熵在异常分割中应用的启发，ViCrop-Det利用检测解码器的交叉注意力分布作为内源性探针。通过利用空间注意力熵来启发式地评估局部空间模糊性，该框架执行动态空间路由，将固定的计算预算仅分配给同时表现出高目标显著性和高认知不确定性的区域。通过收缩空间信任区域并注入高频局部观测，ViCrop-Det主动解决了空间模糊性并恢复了细粒度特征，而无需修改架构。在VisDrone和DOTA-v1.5上的广泛评估表明，ViCrop-Det产生了有竞争力的性能提升，在仅增加20-23%延迟开销的情况下，持续为RT-DETR-R50和Deformable DETR增加+1-3 mAP@50。在MS COCO上，AP_S得到提升，而AP_M/AP_L保持稳定，表明在不损害全局空间先验的情况下实现了精确的细尺度细化。在计算量匹配的设置下，我们的自适应路由策略全面超越了均匀切片基线，实现了高度优化的精度-速度权衡。
引用
@article{arxiv.2604.26806,
title = {ViCrop-Det: Spatial Attention Entropy Guided Cropping for Training-Free Small-Object Detection},
author = {Hui Wang and Hongze Li and Wei Chen and Xiaojin Zhang},
journal= {arXiv preprint arXiv:2604.26806},
year = {2026}
}