背景
该论文是在BEVDet的基础上进行了一个调整优化，传统的方法是将特征图与深度预测进行外积得到视椎特征图，再将它与预处理好的体素索引结合，将每个视椎特征分类到每个voxel中进行累加和的操作。BEVFusion与BEVDepth等方法是避免了累加和，而是使用多线程的方法加速这个步骤，但它还是避免不了计算视椎特征并存储，显存与速度随着分辨率提高会效果不佳。
方法
本文给出的解决方法很简单，它此外又提前计算出了视椎特征相对于原图的索引，如右图所示，这样就不用显式计算存储视椎特征了，这个大大降低了推理速度。
