# BEVFusion MITのHAN Labが2022年に開発した、カメラとLiDAR(Light detection and ranging)の情報を鳥瞰視点(Bird's eye view; BEV)で統合し高精度な3D物体検出を実現する自動運転AIモデル。原著論文(Liu et al., ICRA 2023)は被引用数約1,500で、nuScenes detection task Leaderboardの上位に位置する。(Source: [[@2026__技術評論社__実践的パフォーマンスエンジニアリングによるAI高速化 - Chapter 1 パフォーマンスエンジニアリング概論]]) 処理は(1) カメラ処理(特徴量抽出・鳥瞰図への落とし込み・座標変換、ResNet50 + DepthLSSTransform)、(2) LiDAR処理(ボクセル化・SparseEncoderによる鳥瞰座標変換)、(3) 統合と検出処理(Bev Encoderでの座標統合、デコーダのみトランスフォーマを用いたHeadでの物体検出)の3段構成。各部品が小さなモデルの組み合わせであるため、部品の出力変化が後段モデルで増大しやすく、精度評価に特に留意が必要とされる。GPU計算負荷が低い「狭くて浅いモデル」に分類される。(Source: [[@2026__技術評論社__実践的パフォーマンスエンジニアリングによるAI高速化 - Chapter 1 パフォーマンスエンジニアリング概論]]) 著者らの公式リポジトリは現在メンテナンス中心のため、書籍では以下2つの実装を用いる。 - **MMDetection3D BEVFusion**: OpenMMLabのMMDetection3D上の実装。7章の学習題材。 - **CUDA-BEVFusion**: NVIDIA公式のTensorRT実装。8章のエッジ推論題材、7章の性能改善案としても参照。 MMDetection3D版BEVFusionの学習(7章)では、Voxelization・TransFusionHead.get_targets・DepthLSSTransformの3処理をそれぞれ並列化・CPUオフロード+JIT・同期除去+処理結合で改善し、学習レイテンシを1.88[s/iter]から0.96[s/iter]へ約2倍高速化した。精度(nuScenes Detection Score)の低下は確認されていない。(Source: [[@2026__技術評論社__実践的パフォーマンスエンジニアリングによるAI高速化 - Chapter 7 実践4：自動運転AI学習]]) ## 関連 - 書籍: [[実践的パフォーマンスエンジニアリングによるAI高速化]] - 概念: [[パフォーマンスエンジニアリング]] - 章: [[@2026__技術評論社__実践的パフォーマンスエンジニアリングによるAI高速化 - Chapter 7 実践4：自動運転AI学習]] - 出典: [[@2026__技術評論社__実践的パフォーマンスエンジニアリングによるAI高速化 - Chapter 1 パフォーマンスエンジニアリング概論]]、[[@2026__技術評論社__実践的パフォーマンスエンジニアリングによるAI高速化 - Chapter 7 実践4：自動運転AI学習]]