视网膜调节：将图像尺度重新定义为可学习变量用于目标检测

我们提出Ciliary-DETR（原名Elastic-DETR），一个类似生物调节的框架，可实现推理时的分辨率调整。虽然多尺度数据增强可提高对尺度变化的鲁棒性，但现代检测器依赖固定的推理分辨率，可能限制了灵活性和鲁棒性。类似于rey的肌肉，我们引入一个轻量级尺度预测器，动态估计输入尺度范围内的测试尺度因子。核心挑战在于，最佳输入尺度在标准训练设置下是不可观测的。为解决这一挑战，我们引入一种参数化的期望尺度行为公式，导致基于损失的目标引导尺度优化。总体而言，我们的方法实现了灵活且高效的单遍推理，弥合了训练时鲁棒性与测试时自适应之间的差距。