“在这个编码器内部，通过强大的注意力机制（AttentiOnMeiSm），让模型自己学会在像素级别上，跨时间、跨空间、跨摄像头视角，去建立关联，去理解三维空间的结构！
让AI自己‘看’懂这个世界的几何关系，而不是依赖我们人工预设的规则去分割目标、匹配特征。”
随着笔尖持续移动，在白板中央画出一个代表三维空间特征（3DFeatUreS）的立体区域，并标注了“BEV(Bird''S-Eye-VieW)RepreSentatiOn”。
“在模型内部，自然生成统一、稠密的鸟瞰图（BEV）空间表征。
在这个统一的BEV空间里，激光雷达点云也好，毫米波雷达目标也好，甚至未来的V2X车路协同信号也好，都只是作为辅助的‘特征’（FeatUre）。
通过跨模态注意力机制（OdalAttentiOn）自然地融入、补充、增强这个由视觉主导构建的三维空间理解。”
他在BEV空间周围画上代表激光雷达、毫米波雷达、V2X的符号，用虚线箭头指向中央的BEV空间，并在连接处标注了“AttentiOn”。
“最终输出的是什么？”陈默的笔尖用力地在BEV空间下方画了一个输出箭头，重重写下两个词：“OCbsp;Grid（占据栅格）”、“FlOWPredi（运动流预测）”。
“不是一个个孤立的、需要后期费力融合的‘目标框’（BOUndingBOX）和‘轨迹线’（TraieCtOry）。
而是这个三维空间中，每一个‘体素’（VOXel）是否被占据的概率，以及占据物未来的运动趋势！
内容未完，下一页继续阅读