3D稀疏卷积流程
- 输入 Sparse Voxel形式：
- Coordinates: [N,3]
- Input Voxel Idx: [0,1…,N]
- Feature: [N,C]
- Kernel Feature: [3x3x3,C_in,C_out]
- Input Sparse Map可以由上述推得（但是不显示存储），Output Sparse Map有2种形式
- SparseConv： 存在非稀疏度的扩张（输入只有一个中心点有feature，但是输出的时候以它为中心的3x3x3都有feature）
- Submanifold： 与input sparse map一致
- 构建Input-Output Coord之间的Hash Mapping
- (对于submanifold，这个mapping是一一映射，所以不需要构建hash table)
- 如上图中，两个输入点，分别输出扩张到4个和6个位置，构建一个hash map将这些部分映射到输出的9个位置（2d 3x3一共有这么多输出可能点）
- 构建Rulebook（Kernel Offset -> （input voxel id, output voxel id）的mapping）
- 这一过程类似2d conv之间的im2col，本质上是把输入的kenerl给unroll了，loop的最外层是kernel offset（3x3x3）
- 对上一步建立的input output coord mapping计算kernel offset
- 并且对kernel offset为query建立hash map
- 构建好Rulebook之后的整体的计算flow
