图处理器上的光束法平差
计算机视觉与模式识别
2020-03-31 v2 分布式、并行与集群计算
摘要
Graphcore的智能处理单元（IPU）等图处理器是面向AI的新型计算机架构重大浪潮的一部分，其通用设计具有大规模并行计算、分布式片上存储器和极高的核间通信带宽，可在任意图上实现消息传递算法的突破性性能。我们首次表明，经典计算机视觉问题光束法平差（BA）可以使用高斯置信传播在图处理器上极快地求解。我们简单但完全并行的实现利用单个IPU芯片上的1216个核心，例如，在40毫秒内求解一个具有125个关键帧和1919个点的真实BA问题，而Ceres CPU库需要1450毫秒。进一步的代码优化必定会在静态问题上扩大这一差距，但我们认为图处理的真正前景在于对表示空间AI问题的通用、动态变化因子图进行灵活的就地优化。我们通过实验给出了这一指示，展示了GBP高效求解增量SLAM问题以及处理鲁棒代价函数和不同类型因子的能力。
引用
@article{arxiv.2003.03134,
title = {Bundle Adjustment on a Graph Processor},
author = {Joseph Ortiz and Mark Pupilli and Stefan Leutenegger and Andrew J. Davison},
journal= {arXiv preprint arXiv:2003.03134},
year = {2020}
}
备注
Published in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR 2020). Video: https://www.youtube.com/watch?v=TqeN8aQNgd0