利用 CUDA 优化嵌入式系统中 3D 点云处理的 GPU 稀疏卷积
机器学习
2024-04-09 v3 计算机视觉与模式识别
摘要
近年来，深度学习方法，特别是卷积神经网络（CNN），在涉及结构化网格数据的各个领域（如图像分析和处理）中已成为主导方法，其利用率显著增加。然而，LiDAR 和 3D 传感器在许多领域的指数级增长导致了对 3D 点云分析需求的增加。3D 点云的利用在各种应用中至关重要，包括物体识别和分割，因为它们提供了三维环境中物体的空间描绘。与照片不同，点云表现出稀疏性且缺乏规则网格，因此带来了独特的处理和计算挑战。
引用
@article{arxiv.2402.07710,
title = {Optimizing Sparse Convolution on GPUs with CUDA for 3D Point Cloud Processing in Embedded Systems},
author = {Chester Luo and Kevin Lai},
journal= {arXiv preprint arXiv:2402.07710},
year = {2024}
}
备注
9 pages