近日，课题组硕士生王端初的工作CompetitorFormer: Mitigating Query Conflicts for 3D Instance Segmentation via Competitive Strategy被计算机视觉顶级会议 CVPR 2026 接收。该工作针对查询驱动实例分割模型中的关键瓶颈：查询间竞争冲突问题开展研究。在 query-based 架构中，每个查询负责预测一个潜在实例，但在复杂场景下，多个查询常常同时聚焦于同一目标实例，导致预测结果碎片化、查询冗余以及掩码重叠。这种现象会引发优化不稳定与性能退化，却在以往研究中缺乏系统建模与针对性解决方案。

该工作中首次对这一现象进行明确界定，并提出全新框架CompetitorFormer。该方法通过显式建模查询之间的竞争关系，使模型能够动态识别查询的主导与从属结构。在网络设计中，引入Query Competition Layer 构建竞争感知特征空间，使查询在解码过程中具备对彼此关系的结构理解能力；同时，通过 Relative Relationship Encoding 将竞争信息嵌入注意力机制，引导模型形成更具判别性的实例表示；Rank Cross-Attention 则在特征聚合阶段强化主导查询的响应能力，从而有效抑制冗余预测与区域冲突。实验验证表明，CompetitorFormer 在多个权威基准数据集上均取得一致性能提升，并展现出更快的收敛速度与更清晰的实例边界。