背景

該論文是在BEVDet的基礎上進行了一個調整優化，傳統的方法是將特征圖與深度預測進行外積得到視椎特征圖，再將它與預處理好的體素索引結合，將每個視椎特征分類到每個voxel中進行累加和的操作。BEVFusion與BEVDepth等方法是避免了累加和，而是使用多線程的方法加速這個步驟，但它還是避免不了計算視椎特征并存儲，顯存與速度隨著分辨率提高會效果不佳。

方法

本文給出的解決方法很簡單，它此外又提前計算出了視椎特征相對于原圖的索引，如右圖所示，這樣就不用顯式計算存儲視椎特征了，這個大大降低了推理速度。