כתבה
arXiv cs.AI ·
בעיית המפעיל הלא מתאים: פריסת BEV עם חישוב GPU נייד
The Operator Mismatch Problem: Deploying BEV Perception with Portable GPU Compute
BEVPIPE הוא פריימוורק לפריסת צינורות BEV רב-מודאליים. הוא מאפשר פריסה על חומרה ניידת ומשפר ביצועים. BEVPIPE מחלק את המודל לתת-גרפים ומוסיף אופרטורים חיצוניים.
תקציר מקורי באנגליתarXiv:2610.11504v1 Announce Type: new Abstract: Modern autonomous driving systems rely on bird's-eye-view (BEV) perception models that fuse camera and LiDAR inputs to detect objects in 3D space. These models are accurate, but they cannot be deployed through standard inference runtimes. The reason is an operator mismatch between dense convolutions (which runtimes handle well), sparse 3D convolutions (which runtimes cannot represent), and geometric scatter operations (which runtimes have no vocabulary for). Today, every sparse convolution library is CUDA-only and PyTorch-coupled, locking BEV deployment to a single vendor's hardware and a single execution framework. We present BEVPIPE, a framework for deploying multimodal BEV perception pipelines using portable GPU compute APIs and integratin
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית