Deformable DETR中后一层Decoder的mutil-scale deformable attention的v是由什么输入？

Deformable DETR中后一层Decoder的mutil-scale deformable attention的v是由Encoder输出的特征图经过卷积层处理得到的。具体来说，Encoder输出的特征图先经过一个1x1卷积层和一个3x3卷积层，得到了一组特征向量，然后这些特征向量被用作mutil-scale deformable attention中的v输入。