我的今日草稿

1. 很多online-map方法使用了类似DETR的架构，但是很少注意到query机制的隐藏的能力
2. MapQR着重增强了query的力量
3. 使用instance query，不使用point query
4. 所以提出了一个叫 scatter-and-gather query的新query结构，总的来说就是 query用来学习content信息，refrence point学习每个点的信息，然后 因为query信息是instance级别共享的，所以在instance 内部content不一致的情况不会出现。

DETR里面的query实际上包含 语义内容部分和 位置部分来识别和定位物体，然后conditional DETR和DAB-DETR就先从参考点显示建模位置部分。收到这些论文的启发然后设计了一个新的query

point-query的设计单独学习每个点，然后分组，尽管信息使用SA进行了交换和增强，但是呢对于一个点query来将很难拥有整个map元素的语义信息，可能一个元素内的所有点的语义信息其实是不样的，内容冲突。除此之外呢，就是目前的方法都忽略了定位信息直接使用随机初始化的可学query。

1. 使用instance query ，增加PE
2. 跟单个点的预测不同，一个instance的所有同时预测使得语义信息一致

明天确认下 maptr源码里面用的是concat还是 +
https://arxiv.org/pdf/2402.17430.pdf 分享论文
DBA-DETR
https://arxiv.org/pdf/2201.12329.pdf https://zhuanlan.zhihu.com/p/567496850
MAPTR https://arxiv.org/pdf/2208.14437.pdf https://massive11.github.io/2022/12/10/paper-maptr-lun-wen-yu-dai-ma-jie-du