随机初始化query难学，如何改进？

完全随机初始化的可学习查询（learnable query）太难学习了，这需要更多的数据量以及更长的训练时间。就像在2D检测中的DETR查询、自动驾驶中的DETR3D或BEV构建以及轨迹预测中的查询一样。在这之后，许多针对它们进行改进的工作，都是给这些随机初始化的查询增加具有启发性的先验知识，从而加速收敛。例如，Anchor DETR把锚点（anchor）的先验知识引入查询；MV2D将2D目标（2D obj）引入查询；BEVFormer把历史的BEV引入查询；MTR把意图点（intention points）引入查询。另外，最近的Cambrian - 1，它所采用的连接符（Connector）——空间视觉聚合器（Spatial Vision Aggregator，SVA），也是通过明确地定义每个查询标记（query token）对应的视觉特征图子区域，来引入空间归纳偏置（spatial inductive bias）的。