LiG-DETR：用于航空影像目标检测的潜在空间局部到全局重组

基于摘要分析。LiG-DETR 针对航空影像中目标尺度与密度变化，以及小目标细节易在下采样和特征压缩中退化的问题，将图像切片重新定义为高保真局部特征获取，并把局部证据纳入统一的端到端检测框架。 核心机制是由共享编码器提取全局特征和局部放大特征，将其投影到检测器特征空间，再按局部区域的原始空间位置重组，形成与全局对齐的局部特征层；单个 DETR 解码器联合解码全局与局部特征。相较于独立切片预测及后处理，该方法保留统一推理；相较于在已压缩全图特征上优化特征或查询，其着眼点是压缩前的局部信息获取。 为减少冗余计算，Context-Preserved Selective Reassembly 将高分辨率编码集中于信息丰富的区域，同时保留稠密特征布局；Density-Aware Adaptive Query Allocation 根据编码器候选框分数调整解码器查询预算。作者报告，实验中小型与中型目标检测明显改善，同时保持较强的大目标表现，并获得有利的精度—效率权衡及跨域泛化表现。摘要未提供数据集、划分、对照基线、具体指标或计算成本，实验协议、消融及统计信息尚未验证；代码为计划发布，当前可用性尚未验证。 平台推测（待验证）：其“压缩前保留局部细节、随后恢复全局对齐”的思路可能对应 EEG 短时事件在降采样中被削弱的瓶颈，但航空影像的二维空间坐标与目标候选框机制不能直接迁移。可复用局部编码与位置对齐思想，需改造时间／通道定位及区域选择依据；低信噪比可能使选择模块偏向伪迹，跨被试和通道配置变化也可能破坏对齐。一个可证伪的小实验是在固定跨被试划分与计算预算下，比较全序列压缩编码和局部时间窗重组对短时事件检测的影响。该假设不代表已证实的 EEG 效果，已有 EEG 相关工作尚未检索确认。