这篇由 Arquimea 研究中心（Arquimea Research Center）的 Borja Carrillo-Perez 撰写的技术报告，于 2026 年 5 月 21 日提交至 arXiv，属于计算机视觉与模式识别（cs.CV）方向，并作为 CVPR 2026 研讨会 MaCVi 2026 视觉到海图数据关联挑战赛的参赛技术报告发布。报告全文共 5 页、含 3 幅图，随文公开了代码链接，其提交在该挑战赛排行榜上位列第二。
报告要解决的问题是海上视觉感知中的一个关键环节：如何把摄像头图像中检测到的浮标，与海图（chart）中记录的浮标实体正确对应起来。挑战赛提供的基线模型基于 DETR 架构，并采用融合 Transformer 结构。在其解码器中，针对每一个浮标都会构造一个查询向量，该向量编码了该浮标在世界坐标系下的距离与方位信息。问题在于，这样的查询只包含世界空间中的几何量，而 Transformer 必须自行学会从世界坐标到图像像素的复杂投影关系，才能把海图中的浮标与画面中的目标匹配起来，这为解码器带来了相当沉重的隐式几何推理负担。
作者的改进思路非常直接且轻量：不修改基线的主体架构，而是额外训练一个专用的多层感知机（MLP），命名为 QueryMLP。该网络以海图测量数据和 IMU 姿态朝向数据为输入，显式地预测浮标在图像中与水面的接触点（水线接触点）的像素坐标。随后，这些预测出的像素坐标会被附加到基线的解码器查询向量中。这样一来，每个浮标查询就获得了一个直接的空间先验，解码器无需再从零推断世界到图像的投影，几何推理的难度显著降低。
在挑战赛的留出测试集上，该方法的整体得分（Overall）为 0.7386，其中 F1 为 0.8055，mIoU 为 0.6718，在所有提交中排名第二。报告强调，这一提升是在基线之上以很小的改动实现的，属于一种轻量级增强，而非对整体架构的重构。
从更广的意义上看，这项工作体现了在端到端深度学习系统中引入显式几何先验的常见有效策略：当某一变换关系具有明确的物理和几何含义时，用一个专门的小模块直接学习它，往往比让大型注意力模型在隐空间中自行逼近更高效、更稳定。对于海上态势感知、自主航行与海图数据融合等应用，这类视觉与海图之间的可靠关联能力具有实际价值。需要注意的是，报告目前只给出了单一挑战赛环境下的测试结果，其在不同传感器配置、海况与海域条件下的泛化能力仍有待进一步验证。