HDMapLaneNet：借 V2X 与场景图技术协同构建 HD 地图，性能超前沿方法 ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 知识图谱（KG）学习提供了一个强大的框架，用于生成新知识和进行推理。训练KG嵌入可能需要显著的时间，尤其是在处理更大数据集时更为明显。 作者的分析表明，在基于转换的KG嵌入训练循环中，嵌入梯度计算是主导函数之一。为了解决这个问题，作者用稀疏矩阵乘法（SpMM） Kernel 替代了核心嵌入计算。这使得作者可以将多个散列（以及收集）操作合并为单一操作，从而减少了训练时间和内存使用量。 作者创建了一个使用稀疏 Kernel 训练KG模型的一般框架，并实现了四种模型，即TransE、TransR、TransH和TorusE。 作者的稀疏实现方式在CPU上可达到最多5.3倍的速度提升，在GPU上的速度提升可达4.2倍，并且具有显著较低的GPU内存占用。这种速度 ………………………………