51-24 BEVFormer、BEVFormer v2，Occupancy占用网络灵感源泉 论文精读

今天要读论文的是BEVFormer，有人说这是新一代自动驾驶感知融合的基石，有人说是后续Occupancy Network占用网络工作的灵感源泉。我们从题目《通过时空transformer从多摄像头图像中学习BEV表示》来看，这应该是BEV开山之作LSS论文的姊妹篇。

本文以BEVFormer为主，同时介绍改进版BEVFormer v2。

论文和代码地址 

论文题目：Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers

论文地址：https://arxiv.org/abs/2203.17270

代码地址：https://github.com/zhiqi-li/BEVFormer

BEVFormer 是一个纯视觉方案，基本上奠定了当前自动驾驶纯视觉感知基本框架：

• 一个核心：纯视觉；
• 两个策略：将 Attention 应用于时间与空间维度；
• 三个节约：Attention 计算简化，特征映射简化，粗粒度特征空间；
• 框架结构：时间+空间+DeformableAt