DETRのTransformerのデコーダに含まれるCo-Attention(Cross-Attention)に対し、バウンディングボックスの予測結果を反映できるように、オブジェクトの有無に伴いアテンションマップに強弱をかけるSMCAを提案した。

バックボーンにResNet-50とResNet-101を使用し、COCOデータセットで評価を行い、DETRより訓練時の収束が早く、精度に関しても従来手法と同等以上の結果。同じくICCV 2021採択の手法であるTSP-FCOS及びTSP-RCNNとの比較も行い、大きいオブジェクトでは提案手法のSMCAの方が高い精度。

収束を早くし、検出性能も高くなる結果を示したため通ったと考えられる。PyTorch実装( https://github.com/gaopengcuhk/SMCA-DETR )が公開されている。