FlashOcc

参考资料:

(67 封私信 / 80 条消息) 轻量级占用网络要来了!FlashOcc:主打实时性,高精度快速高效内存 - 知乎

论文地址: ++https://arxiv.org/abs/2311.12058++

代码链接: ++https://github.com/Yzichen/Flas++


简介:

occ三维体素优势很多,但是同样显存和算力开销很大,限制了模型部署。

FlashOcc能够在不影响精度的前提下,提升推理速度,节约训练时间与训练成本。


Flashocc的Pipeline :

1. 二维图像编码器

  • backbone提取多相机视角的 2D 图像特征 。
  • Neck 模块(例如 FPN-LSS)融合多尺度特征。

2. 视角变换模块

  • 利用网络进行像素级的深度预测
  • 并结合相机的内外参矩阵,完成2d到3d投影
  • 沿着高度方向进行"压扁"(Pooling 操作),最终得到一个扁平的、纯 2D 的 BEV 特征表达 。

3. BEV 编码器 (BEV Encoder)

  • 使用2D 卷积来处理上一步得到的 2D BEV 特征 。同时,进行多尺度特征融合。通道数被硬性设置为 高度层数 \times 类别数。 也就是 16 \times 10 = 160 个通道。

4. 通道到高度转换

  • 简单 PyTorch 里的 tensor.view() 或 tensor.reshape() 函数

  • 将数据从"通道"维度重新排列(Reshape)到"高度(Height/Z)"维度上 。将2d的bev特征图 变成 3D 占据体素矩阵。


总结:技术选型带来的工程价值

  • 极致降本: 去除了沉重的 3D 卷积,使得显存占用和推理延迟大幅度降低 。这对于那些需要在几十 TOPS 算力的低端芯片上跑通端到端和复杂感知的高阶智驾公司(如卓驭、地平线)来说,是非常完美的工程化方案 。

  • 高度兼容: 它的整体架构与主流传统 BEV 网络(如 BEVDet)高度兼容 。开发团队只需保留原有流水线,把原来的 3D 预测头替换为 Channel-to-Height 模块就能直接跑通,非常容易整合到车企现有的感知流水线中 。

相关推荐
好悬给我拽开线6 分钟前
EasyHeC++ 用预训练图像模型实现全自动手眼标定
人工智能
Bacon11 分钟前
把 Codex 装进 Mac 刘海:Codex Notch 安装与使用指南
人工智能
吕炘嵘19 分钟前
DPO loss 降了 75%,模型却没变好:我给手搓 LLM 补了一套评估系统
人工智能
程序员cxuan22 分钟前
推荐 10 个 WorkBuddy 中的邪修用法
人工智能·后端·程序员
花椒技术23 分钟前
数字人为什么突然爆发?从 H3 Max Lip Sync 看生成式数字人的临界点
人工智能·aigc
初学AI的小高26 分钟前
VFM:让 Agent 同时接受上千条自然语言规则的运行时检查
人工智能
我si绝版34 分钟前
OpenClaw 安装步骤
人工智能
Seiran36 分钟前
用Grok 4.7在ZEEKEAI啃长文档的提效实战
人工智能
Bacon40 分钟前
给项目做一次"全身 CT":Agent Skills 生态里的代码体检全链路
前端·人工智能·后端
培培说证41 分钟前
大专商务数据分析与应用可以报考哪些职业证书?
人工智能·数据挖掘·数据分析