CVPR 2026最新論文！DetAS橫空出世：目標(biāo)檢測(cè)的"GPT時(shí)刻"來(lái)了？

本文作者：陳淑瑜

2026-06-02 17:48

導(dǎo)語(yǔ)：炸裂！CVPR 2026接收一篇重磅論文，用Agent做目標(biāo)檢測(cè)，直接屠榜6大benchmarks！平均提升28%，暗光場(chǎng)景提升37%！這是要革目標(biāo)檢測(cè)的命..

來(lái)源：公眾號(hào)“視覺(jué)AI研報(bào)”
原文鏈接：https://mp.weixin.qq.com/s/RKSb3h2-BlGk7N5mxGk6DQ?scene=1

? 快速入口

? arXiv論文：https://arxiv.org/abs/2605.31174
? GitHub代碼：搜索"DetAS"獲取

導(dǎo)語(yǔ)：目標(biāo)檢測(cè)還能這么玩？最近CVPR 2026接收了一篇論文，直接把Agent（智能體）塞進(jìn)了目標(biāo)檢測(cè)里，效果直接炸裂——6個(gè)數(shù)據(jù)集平均提升28%！暗光場(chǎng)景更是暴力提升37%！這就是DetAS，"在任意場(chǎng)景檢測(cè)"的意思。?

? DetAS是什么？

一句話總結(jié)：CVPR 2026接收的Agentic目標(biāo)檢測(cè)框架，用多模態(tài)大模型（MLLM）當(dāng)大腦，動(dòng)態(tài)指揮檢測(cè)流程。

項(xiàng)目	內(nèi)容
全稱	Detect in Any Scene
縮寫	DetAS
定位	Agentic目標(biāo)檢測(cè)框架
發(fā)表	CVPR 2026
arXiv	2605.31174

? DetAS憑啥這么牛？

傳統(tǒng)目標(biāo)檢測(cè)的"三大痛點(diǎn)"

┌─────────────────────────────────────────────┐
│        目標(biāo)檢測(cè)的"三大難題"                    │
├─────────────────────────────────────────────┤
│                                             │
│  ? 黑暗場(chǎng)景：晚上拍照看不見                   │
│     手機(jī)夜景差，檢測(cè)直接掛                  │
│                                           │
│  ? 領(lǐng)域差異：訓(xùn)練認(rèn)車，測(cè)試認(rèn)貓           │
│     數(shù)據(jù)分布偏移，分分鐘失效              │
│                                           │
│  ? 不會(huì)思考：只會(huì)悶頭檢測(cè)              │
│     不知道"為什么要檢測(cè)這里"            │
│                                             │
└─────────────────────────────────────────────┘

DetAS的兩大核心創(chuàng)新

? 創(chuàng)新1：自適應(yīng)圖像恢復(fù)（Self-Adaptive Image Restoration）

讓模型自己決定"要不要P圖"！

┌─────────────────────────────────────────────┐
│        DetAS怎么處理圖像                  │
├─────────────────────────────────────────────┤
│                                             │
│  輸入圖片 → MLLM判斷 → 決定增強(qiáng)策略        │
│                                           │
│  "這張?zhí)?quot; → "調(diào)亮+去噪"               │
│  "這張還行" → "直接檢測(cè)"               │
│  "這張模糊" → "銳化+增強(qiáng)"               │
│                                           │
│  相當(dāng)于：給照片加了"智能美顏"           │
└─────────────────────────────────────────────┘

? 創(chuàng)新2：多專家檢測(cè)（Multi-Expertise Detection）

不是用一個(gè)檢測(cè)器，而是"開會(huì)決策"！

┌─────────────────────────────────────────────┐
│        多專家"投票"機(jī)制                   │
├─────────────────────────────────────────────┤
│                                             │
│  ? 專家1：通用檢測(cè)器 → 給我往死里檢          │
│  ? 專家2：暗光專家 → 專門處理夜景       │
│  ? 專家3：車輛專家 → 專門檢車           │
│  ? 專家4：動(dòng)物專家 → 專門檢動(dòng)物         │
│                                           │
│  ? MLLM決策：根據(jù)場(chǎng)景選專家            │
│                                           │
│  效果：專業(yè)的事交給專業(yè)的人來(lái)做！        │
└─────────────────────────────────────────────┘

? 創(chuàng)新3：經(jīng)驗(yàn)積累（Experience-Aware）- DetAS-X升級(jí)版

越 Detection, 越聰明！

從歷史數(shù)據(jù)中學(xué)習(xí)決策經(jīng)驗(yàn)
遇到類似場(chǎng)景自動(dòng)調(diào)用"成功經(jīng)驗(yàn)"
相當(dāng)于：從"實(shí)習(xí)生"進(jìn)化成"老油條"

? 實(shí)驗(yàn)效果：直接屠榜！

六大數(shù)據(jù)集屠榜

數(shù)據(jù)集	提升幅度	場(chǎng)景
DarkFace	+37.01% ?	暗光場(chǎng)景
COCO	+25%+	通用場(chǎng)景
LVIS	+20%+	長(zhǎng)尾類別
...	...	...

平均提升：28.36%

┌─────────────────────────────────────────────┐
│        DetAS  vs  基線檢測(cè)器                      │
├─────────────────────────────────────────────┤
│                                             │
│  DarkFace (暗光)：                           │
│  ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━    │
│  基線:    45.2 F1                         │
│  DetAS:  82.21 F1 ? (+37.01%)           │
│                                           │
│  通用場(chǎng)景：                                │
│  ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━    │
│  基線:    55.8 F1                         │
│  DetAS:  70.2 F1 ? (+25.8%)             │
│                                           │
│  綜合平均：+28.36%                         │
└─────────────────────────────────────────────┘

? 為什么DetAS重要？

目標(biāo)檢測(cè)的"GPT時(shí)刻"

┌─────────────────────────────────────────────┐
│     DetAS = 目標(biāo)檢測(cè)的"ChatGPT"               │
├─────────────────────────────────────────────┤
│                                             │
│   以前：                                   │
│   輸圖片 → 跑模型 → 出結(jié)果                  │
│   "傻傻執(zhí)行，不動(dòng)腦子"                     │
│                                           │
│   DetAS：                                   │
│   輸圖片 → 想一想 → 選策略 → 精準(zhǔn)檢測(cè)     │
│   "會(huì)思考的執(zhí)行力"                         │
│                                           │
│   關(guān)鍵變量：                               │
│   = MLLM理解場(chǎng)景 + 自適應(yīng)處理 + 多專家融合   │
└─────────────────────────────────────────────┘

核心價(jià)值

價(jià)值	說(shuō)明
? 泛化性	能檢測(cè)"任意場(chǎng)景"
?? 模塊化	可插拔的專家檢測(cè)器
? 可進(jìn)化	經(jīng)驗(yàn)可以積累
? 高性能	28%+提升不是吹的

? 論文圖表

圖號(hào)	描述	建議放置位置
圖1	DetAS框架總覽	"核心創(chuàng)新"章節(jié)
圖2	自適應(yīng)圖像恢復(fù)流程	"創(chuàng)新1"章節(jié)
圖3	多專家檢測(cè)架構(gòu)	"創(chuàng)新2"章節(jié)
圖4	實(shí)驗(yàn)對(duì)比柱狀圖	"實(shí)驗(yàn)效果"章節(jié)

高清大圖獲取

? arXiv原文：https://arxiv.org/abs/2605.31174

? 吃瓜總結(jié)

維度	評(píng)價(jià)
? 創(chuàng)新性	????? Agentic檢測(cè)先驅(qū)
? 實(shí)用性	????? 6大數(shù)據(jù)集驗(yàn)證
? 工程價(jià)值	???? 模塊化可插拔
? 想象力	????? 萬(wàn)物皆可Agent

一句話總結(jié)

DetAS可能開啟"智能檢測(cè)時(shí)代"：以后檢測(cè)器不只是"執(zhí)行命令"，而是會(huì)"思考怎么做"——這可能就是目標(biāo)檢測(cè)的GPT時(shí)刻...

? 論文信息

標(biāo)題
：Detect in Any Scene: An Agentic Framework for Object Detection with Experience-Aware Reasoning
作者
：Wenlun Zhang, Jun Yin, Kentaro Yoshioka
發(fā)表
：CVPR 2026
arXiv
：https://arxiv.org/abs/2605.31174