新类别目标检测
在特征与查询两个层级分别增强支持特征，避免空间信息丢失，实现高效少样本实例分割。
Yue, Han · Zhang, Jiangning · Wang, Yabiao · Wang, Chengjie · Yong, Liu · Qi, Lu · Li, Xiangtai · Yang, Ming-Hsuan
IEEE Transactions on Pattern Analysis and Machine Intelligence 2024
采用基于 Transformer 的统一框架，而不是容易在基类上过拟合的区域提议网络，从而不会抑制新类别物体。
支持对象查询在基类训练后已编码关键因素，因此只需简单的交叉注意力即可在特征和查询两级增强查询特征，无需复杂的空间关联策略。
引入类别增强的基类知识蒸馏损失，解决了 DETR 类模型在增量设置下受输入投影层限制的问题，可以方便地扩展到增量 FSIS。