将点投影到轴：基于点轴表示的定向目标检测

基于摘要分析。本文研究计算机视觉中的定向目标检测，提出 point-axis representation，以点集描述目标的空间范围与轮廓，以轴描述目标的主要方向，并据此构建端到端检测模型 Oriented DETR。核心贡献是将位置与旋转解耦，以处理传统边界框表示中常见的损失不连续问题。 在优化方面，作者提出 max-projection loss 监督点集学习，以及 cross-axis loss 监督轴表示学习，并说明不需要引入额外标注。摘要未提供两项损失的数学形式、点轴预测到检测结果的转换细节，或与 DETR 的具体集成方式，因此尚不能判断其几何约束、优化行为及实现成本。 作者报告该方法在定向目标检测任务中取得显著性能提升，但摘要未列出数据集、数据划分、对照基线、指标及具体数值，无法据此判断提升幅度与适用范围。实验协议、消融及统计信息尚未验证；复现还需核对标注格式、训练配置与推理流程。 该研究的主要对象是图像目标的空间位置与方向，并非 EEG 或 BCI。当前材料未建立点轴几何表示与神经信号建模之间的具体机制对应，不能据此推断 EEG/BCI 收益；已有 EEG 相关工作尚未检索确认。