一次训练多芯片部署
相比固定分辨率网格表示，极坐标特征可自适应采样并投影到任意分辨率的笛卡尔空间，让同一模型无需重新训练即可适配不同算力的车载芯片。
Huitong, Yang · Bai, Xuyang · 祝新革 · Ma, Yuexin
2023
极坐标表示下，沿射线的特征可自适应采样并投影到任意笛卡尔分辨率，因此模型能适配不同算力的芯片而无需重新训练。
多尺度上下文信息交互增强了特征表示，进一步提升了模型的适应能力。
在大型自动驾驶数据集上的实验表明，本方法在“一次训练多部署”特性上优于其他方法。