参数少60%还不掉点！浙大EfficientFuser：端到端如何高效融合？

文章预览

今天自动驾驶之心为大家分享 浙江大学最新的工作EfficientFuser！ 与SOTA的轻量级方法相比， EfficientFuser 仅使用了37.6%的参数和8.7%的计算量，就能取得相同性能！ 如果您有相关工作需要分享，请在文末联系我们！ 论文作者  | Yipin Guo等 编辑 | 自动驾驶之心 写在前面 & 出发点 为了应对传感器融合和安全风险预测的挑战，当前利用模仿学习的闭环自动驾驶神经网络通常需要大量的参数和计算资源来运行。鉴于车载计算机有限的计算能力，这里引入了一种紧凑而强大的解决方案，名为EfficientFuser。该方法采用EfficientViT进行视觉信息提取，并通过交叉注意力整合特征图。随后，它利用仅含解码器的transformer将多个特征进行融合。为了进行预测，将可学习向量作为标记embedding，以通过注意力机制探索任务与传感器特征之间的关联。在CARLA仿真平台上进行评估 ………………………………