ECAD：将与类别无关的检测扩展到以事物为中心的对象之外

对象检测是视觉感知中的一项基本任务，为识别、基础、推理和交互提供结构化区域表示。然而，现有的检测范例很大程度上继承了以事物为中心的对象概念，其中检测器主要被训练来定位离散和可数的对象实例。因此，许多具有语义意义的视觉元素，例如天空、道路、草地、水和运动场，尽管对于场景理解和空间推理很重要，但常常被吸收到背景中。在本文中，我们制定了扩展的类别无关检测（ECAD），这是一种新设置，旨在发现传统的以事物为中心的对象之外的类别无关的视觉候选对象。为了支持这种设置，我们构建了 BTCO-Bench，这是一个超越以事物为中心的对象性基准，具有涵盖现实世界和跨域场景的与类别无关的框注释。我们进一步提出了 ECADet，一种基于 DETR 的轻量级检测器，建立在冻结的 DINOv3 编码器上，并引入几何感知专家回归 (GAER) 和原型引导查询调制 (PGQM) 来分别改进不同视觉元素的定位和客观性估计。大量实验表明，ECADet 始终优于 BTCO-Bench 上代表性的类不可知和基于提议的检测器，证明了扩展对象发现的有效性。代码和基准将被发布。