【端到端模型】基于稀疏查询的表征特征

符号看象限_Wangerer2026-10-12 12:06

网络名称	Q 数据结构	K, V 数据结构	QKV 交互机制与输出
StreamPETR (2023)	物体 Query `[N_q, D]` `1. 传播Query：第一帧初始化，后续帧继承。` `2. 初始化Query：每帧初始化。` `各类Query数量固定。`	当前帧图像特征， `[N_pixels, D]`	Q生成3D参考点（预测得到），投影到 2D 图像采样KV特征。
Sparse4D (2023)	3D 锚框 `[N_anchor, D]` （含位置、尺寸、朝向的嵌入）	多视角/多尺度/多帧特征图 `[N_features, D]` （不同层级特征展平拼接）	Q 生成 4D 关键点。每个 Anchor 生成 `[N_anchor, N_keypoints, 4]` (t,x,y,z) 关键点，投影到 K/V 上稀疏采样，聚合为 `[N_anchor, D]`。
SparseDrive (2024)	实例 Query `[N_instance, D]` （检测、跟踪、建图共用）	图像特征 `[N_pixels, D]` + 历史实例队列 `[N_memory, D]`	Q 与图像 K/V 做 Cross Attention，同时与历史 Q 交互。输出更新后的 `[N_instance, D]`，直接接规划头。
SparseAD (2024)	统一稀疏 Query `[N_query, D]` （跨任务共享）	图像特征 `[N_pixels, D]` + 历史 Query `[N_history, D]`	Q 跨空间、跨时间、跨任务统一交互。同一组 Q 通过不同 Head 并行输出多任务结果 `[N_query, D_head]`，无密集 BEV。