南洋理工 & 新加坡大学提出 DM3D | 3D点云剪枝策略，在多个检测模型上实现精度与计算效率双赢 ！

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 将深度神经网络应用于三维点云处理，因其在增强现实/虚拟现实、自动驾驶和机器人技术等多个领域的卓越性能而越来越受到关注。然而，随着神经网络模型和三维点云规模的不断扩大，降低计算和内存开销以实现在实际应用中的延迟和能源限制变得至关重要。 尽管现有方法提出了降低计算成本和内存占用的方法，但它们大多数仅解决了输入中的空间冗余，即移除了3D数据中背景点的冗余。 在本文中，作者提出了一种新颖的后训练权重剪枝方案，用于3D目标检测，该方案（1）与所有现有的点云稀疏化方法正交，确定预训练模型中导致局部性和置信度（检测 失真 ）最小失真的冗余 参数 ； 以及（2）一个通用的即插即用剪枝框架，可与任 ………………………………