在DINO中正对Deformable DETR中的look forward once做了改进
左图是Deformable DETR，右图是DINO
Look Forward Once对应的代码部分：
怎么理解iterative box refinement 可以阻止梯度反向传播来稳定训练？
reference_points = new_reference_points.detach()
-
什么是梯度切断？ 切断梯度表示阻止反向传播的梯度从当前层的
reference_points传播到上一层。也就是说，后续层的梯度不会影响前一层生成的边界框参考点。 -
实现效果： 每一层的
reference_points是通过当前层的预测生成的，但它不会受到后续层优化路径的影响，从而确保预测的独立性。
代码解析
1. DeformableTransformerDecoder中的self.box_embed不是赋值为None吗？在哪儿改变的值？
解答：
self.bbox_embed被克隆为多个独立的实例，每个解码器层对应一个独立的bbox_embed模块。- 然后，
self.bbox_embed被赋值到self.transformer.decoder.bbox_embed。 - 这一赋值操作是外部对
DeformableTransformerDecoder.bbox_embed的修改。
