0. 摘要 在自动驾驶感知系统中，3D 检测和跟踪是两个基本任务。本文深入研究了这一领域，并在 Sparse4D 框架的基础上进行了扩展。我们引入了两个辅助训练任务（时间实例去噪和质量估计），并提出了解耦注意力机制，以进行结构性改进，从而显著提升了检测性能。此外，我们通过在推理过程中分配实例 ID 的简单方法，将检测器扩展为跟踪器，进一步突出基于查询的算法的优势。在 nuScenes 基准测试上

文章目录 插件位置在论文V3中的“地位”看看具体的代码1. deformable_aggregation.py2. deformable_aggregation.cpp3. deformable_aggregation_cuda.cu3.1 双线性插值bilinear_sampling()3.2 bilinear_sampling_grad() 梯度计算3.3 `deformable_agg