多视图3D检测

重新审视词元压缩：加速基于ViT的稀疏多视图3D目标检测器

Revisiting Token Compression for Accelerating ViT-based Sparse Multi-View 3D Object Detectors

把「图像块尺寸」本身当作可动态调节的压缩维度，配合跨粒度特征增强把粗块丢失的细节补回来，可直接迁移到任何 ViT 主干的多视图/时序感知模型上做免训练或轻训练加速。