顶会论文模块复现与二次创新：复现 ECCV 2026：Sparse R-CNN 中的动态实例交互模块，用于 YOLO 检测头

📌 前言：本文旨在探索将Sparse R-CNN中“动态实例交互头”的核心思想迁移至YOLO系列检测框架的可行性与实践路径。虽然Sparse R-CNN发表于CVPR 2021而非ECCV 2026，但其稀疏检测范式的思想价值历久弥新，尤其在YOLO系列于2025-2026年间密集迭代（YOLOv12、YOLO26等）的背景下，重新审视这一经典模块具有重要的二次创新空间。一、引言：为什么要在2026年重新审视Sparse R-CNN？2025年至2026年初，目标检测领域发生了深刻变革。YOLOv12于2025年首次完全摒弃传统CNN架构，采用以注意力机制为核心的混合架构，实现了从“卷积主导”到“注意力主导”的根本性转变。随后，Ultralytics在2026年1月发布YOLO26，这是一款专为边缘部署设计的多任务视觉模型，具备更快的CPU推理速度、改进的小目标检测能力以及端到端无NMS预测。然而，在追求极致效率的过程中，YOLO系列始终保留了一个设计遗产：密集的先验候选框。无论是YOLOv5的anchor boxes，还是YOLOv8的anchor-free网格点，本质上都是在特征图的每个空间位置设置检测候选，形成数以万计的密集预测。这一定位与Sparse R-CNN的核心哲学——“纯稀疏检测”——形成了鲜明对比。Sparse R-CNN最核心的贡献之一是动态实例交互头（Dynamic Instance Interactive Head）