研究员提出ProbSplat架构，用存内计算技术为3D场景重建降能耗
用存内计算技术为3D场景重建降能耗
（映维网Nweon 2026年08月24日）场景重建是增强现实和虚拟现实等领域的核心技术之一。传统方案通常依赖点云数据，处理过程中需要存储数百万个坐标点，内存占用大、功耗高，在边缘设备上实时运行尤为困难。针对这个问题，印度国际信息技术研究所与美国伊利诺伊大学芝加哥分校的研究团队提出了一种基于存内计算的硬件架构，尝试以概率模型替代点云，从底层电路层面降低计算与存储开销。
核心思路是将三维场景表示为高斯混合模型（Gaussian Mixture Model, GMM），只需存储均值和方差等少量参数，大幅压缩数据量。在此基础上，团队设计了一款基于6T浮栅反相器阵列的存内计算模块，将每个高斯分量映射到一列反相器上，通过编程浮栅MOSFET的阈值电压来独立控制均值和方差，直接以列短路电流的形式输出对数似然估计结果。
在具体实现上，研究团队通过对浮栅MOSFET的阈值电压进行确定性调整来实现均值和方差的独立编程。在阈值电压的二维平面上，沿斜率为-1的方向调整仅改变均值，沿斜率为+1的方向调整仅改变方差，两者正交，互不干扰。为减少电路上拉与下拉网络非对称性带来的偏差，仿真中采用了PMOS宽度为NMOS三倍的尺寸比例（Wp = 3Wn），在此条件下均值和方差的平均编程偏差分别控制在2.37%和2.17%以内。仿真基于TSMC 180nm CMOS工艺、1.8V电压、50MHz频率完成。
......（全文 874 字，剩余 387 字）
