[Paper] 加速基于体素的点云网络中的稀疏卷积

Source: arXiv

摘要

稀疏卷积（SpC）为广泛用于自动驾驶和 AR/VR 的 3D 点云网络提供动力。SpC 构建一个 kernel map，存储输入体素坐标、输出坐标和权重偏移之间的映射，然后使用该映射计算输出坐标的特征向量。我们的工作识别出体素坐标的三个关键属性：它们是整数值、在有限的空间范围内受限，并且在几何上是连续的——同一物体表面的相邻体素很可能在空间上只有很小的偏移。现有的 SpC 引擎未能充分利用这些属性，在 kernel map 构建过程中会产生高额的前处理和后处理开销。为了解决这些问题，我们设计了 Spira，首个面向体素属性的 GPU SpC 引擎。Spira 提出：

1. 一种高性能的一次性搜索算法，能够在无需预处理且具有高内存局部性的情况下构建 kernel map。
2. 一种高效的 packed‑native 处理方案，以低成本访问打包的体素坐标。
3. 一种灵活的双数据流执行机制，通过适配层特性高效计算输出特征向量。
4. 一种全网并行化策略，在网络启动时并行为所有 SpC 层构建 kernel map。

我们的评估显示，Spira 在端到端推理上平均提升 1.71×，最高可达 2.31×；在层级执行上平均提升 2.13×，最高可达 3.32×，相较于已有的 SpC 引擎有显著优势，且在多种层配置下均表现出色。

主题

• 分布式、并行与集群计算 (cs.DC)
• 硬件体系结构 (cs.AR)
• 机器学习 (cs.LG)
• 性能 (cs.PF)

引用

arXiv:2511.20834 (cs.DC)

DOI

https://doi.org/10.48550/arXiv.2511.20834

提交历史

• v1, Tue, 25 Nov 2025 20:34:37 UTC (602 KB) – Dionysios Adamopoulos