从AAAI2025中挑选出对目标检测有帮助的文献——第四期

🧩【一】Backbone结构启发（注重层次特征与表征能力）

1. “Autoregressive Sequence Modeling for 3D Medical Image Representation” (Siwen Wang et al.)

👉 尽管是3D任务，但其提出的自回归序列建模可类比于在2D backbone中引入跨层依赖建模机制（类似 ConvNext 或 Mamba 思想），
启发：你可以在 YOLOv12 的 backbone 中引入 Mamba block / Sequence-aware Conv block，强化通道间的依赖学习，让特征提取更全局化。
💡 推荐尝试：在C3k2或C2f位置插入 “ConvMamba” 模块（轻量化线性递归结构）。

---

🌊【二】下采样与多尺度特征改进（提升高低层特征互动）

2. “Thinking in Granularity: Dynamic Quantization for Image Super-Resolution by Intriguing Multi-Granularity Clues” (Mingshen Wang et al.)

👉 该论文提出多粒度信息交互机制，即不同分辨率/尺度的特征在动态量化下保持信息一致性。
启发：可借鉴“多粒度特征聚合”思想，用动态卷积或门控方式改造下采样路径，让每次下采样保留细粒度特征。
💡 可构思模块：Multi-Granularity DownSample (MGD)，类似 FReLU+DynamicConv。

---

<