最近Facebook提出了DETR，以消除物体检测中对许多手工设计组件的需求，同时表现出良好的性能。但是，由于Transformer注意模块在处理图像特征图时的局限性，因此收敛速度慢且特征空间分辨率有限。为了缓解这些问题，商汤科技研究院研究执行总监、智源青年科学家代季峰团队提出了可变形DETR，其关注模块仅关注参考周围的一小部分关键采样点。可变形的DETR可以获得比DETR更好的性能（尤其是在小物体上），训练时间减少了10倍。在COCO基准上进行的大量实验证明了该方法的有效性。该论文审稿初审评分在所有ICLR（2021）论文投稿中排名并列第2，作为口头报告（Oral）被深度学习领域顶级会议ICLR（2021）接收。
