Tag · 2 篇
视频目标检测
01 02
当 Transformer 遇见 Mamba：一种用于视频目标检测的混合 Transformer-Mamba 网络
When Transformers Meet Mamba: A Hybrid Transformer-Mamba Network for Video Object Detection
将 Mamba 的线性复杂度长序列建模能力与 Transformer 的长程依赖建模能力结合，用于视频目标检测中的跨帧特征聚合；其空间自适应可变形 Transformer 编码器和时序级联双向 Mamba 编码器可作为通用模块迁移到其他需要长时序建模的视频任务中。
D2FANet：基于双域特征聚合网络的视频目标检测增强
D2FANet: Enhancing Video Object Detection with Dual-Domain Feature Aggregation Network
将频域特征聚合引入视频目标检测，通过分解高低频分布捕捉周期性运动模式，并与时空域重要性引导聚合协同，为视频时序建模提供新思路。