论文题目：SOLQ: Segmenting Objects by Learning Queries

中文题目：SOLQ：基于学习查询的物体分割

论文链接：https://www.zhuanzhi.ai/paper/aa83650733efb14101109ce1162e6636

DETR 通过引入 Transformer 和匈牙利匹配，实现了端到端的目标检测。然而，将其拓展至实例分割任务时，会引入过大的计算量，导致无法进行端到端训练，且性能无法满足真实需求。

为解决这一问题，我们结合 DETR 和压缩编码技术，提出端到端的实例分割框架 SOLQ。SOLQ 提出统一的查询（query）表征方式，使用压缩编码方法如DCT等，将二维高分辨率掩码压缩为低维向量，使得三项子任务（分类、定位和分割）能够并行预测。

实验结果表明，SOLQ 能够实现先进的实例分割性能，超越大多数现有方法。此外，我们发现统一的查询（query）表征可以大大提高 DETR 的检测性能。我们希望 SOLQ 可以作为基于 Transformer 的实例分割框架的强大基线。