释放 Mamba的潜能 | 通过使用跨模型知识蒸馏来增强LiDAR 3D稀疏探测器 !

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 在自动驾驶和机器人导航系统中实现实时感知的关键是找到一个在精度和速度之间取得平衡的 LiDAR 3D 目标检测器。为了提高点云检测的准确性，将全局上下文融合到视觉理解中来增强点云对整体空间信息获取能力。 然而，许多现有的 LiDAR 检测模型依赖于复杂的特征转换和提取过程，导致实时性能不佳和高资源消耗，这限制了它们的实际有效性。 在本研究中，作者提出一个名为 FASD 的更快 LiDAR 3D 目标检测框架，通过自适应均匀交叉模型 Voxel 特征实现异质模型蒸馏。作者的目标是将 Transformer 的高性能序列建模能力转移到低 FLOPs 的 Mamba 模型，通过知识传递实现显著的准确性提升。 具体而言，作者集成动态 Voxel 组和自适应注意力策略到稀 ………………………………