DCNv4 INT8 patch (Level 1): int8 storage + fp32 arithmetic for SOFIA/MERIDIAN E9

- Add dcnv4_int8_cuda.cu/.h: CUDA kernel (int8 values, fp16 offsets, fp32 interp,
  requantize with value_scale/output_scale)
- Add dcnv4_int8_forward(): inference-only functional wrapper (@no_grad)
- Add DCNv4Strip.forward_int8(): module-level INT8 forward (without_pointwise=True)
- Add scripts/test_dcnv4_int8.py: correctness gate (<=1 LSB, >=99% exact)
  and informational fp16 vs int8 benchmark
- Update README: INT8 API section, updated structure tree, SOFIA/MERIDIAN context

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

README.md

@@ -1,6 +1,6 @@
 ## DCNv4 — Custom Op Mirror
 
-**Зеркало для:** Pikaliov (CVGL-project)  
+**Зеркало для:** Pikaliov (CVGL/MERIDIAN project)  
 **Email:** i@pikaliov.ru  
 **Gitea репо:** https://git.lissad.keenetic.name/Pikaliov/DCN_custom_op  
 **Upstream:** https://github.com/OpenGVLab/DCNv4  
@@ -15,30 +15,93 @@ cd DCNv4_op
 pip install -e .
 ```
 
-**Требования:** CUDA toolkit + PyTorch (совместимые версии с nvcc)  
-**Импорт:** `from DCNv4 import DCNv4`
+**Требования:** CUDA toolkit + PyTorch (совместимые версии с nvcc)
+
+```python
+from DCNv4 import DCNv4, DCNv4Strip
+from DCNv4.functions import DCNv4Function, dcnv4_int8_forward
+```
+
+---
+
+### INT8-патч (SOFIA/MERIDIAN, E9)
+
+Этот форк расширяет upstream добавлением **INT8 inference пути (Level 1)**: int8 хранение значений + fp32 арифметика интерполяции. Предназначен для E9 QAT-эксперимента MERIDIAN (Jetson Orin NX, TensorRT INT8).
+
+#### Что добавлено
+
+| Файл | Описание |
+|------|----------|
+| `src/cuda/dcnv4_int8_cuda.cu/.h` | CUDA-ядро: int8 значения, fp16 offsets, fp32 интерполяция, requant |
+| `DCNv4/functions/dcnv4_func.py` | `dcnv4_int8_forward()` — функциональный INT8 forward |
+| `DCNv4/modules/dcnv4.py` | `DCNv4Strip.forward_int8()` — INT8 forward на уровне модуля |
+| `scripts/test_dcnv4_int8.py` | Тесты корректности + бенчмарк |
+
+#### API
+
+```python
+# Функциональный INT8 forward (inference-only, @no_grad)
+out_int8 = dcnv4_int8_forward(
+    value_int8,       # int8  [B, H, W, C]
+    offset_mask_fp16, # fp16  [B, H, W, padded_dim]
+    kernel_h, kernel_w, pad_h, pad_w,
+    group, group_channels, offset_scale,
+    value_scale, output_scale,  # per-tensor quant scales
+)  # -> int8 [B, H, W, C]
+
+# Модульный INT8 forward (DCNv4Strip, without_pointwise=True)
+out_int8 = strip_module.forward_int8(
+    input_int8,    # int8 [N, L, C]
+    shape=(H, W),
+    value_scale=vs,
+    output_scale=os,
+)  # -> int8 [N, L, C]
+```
+
+**Ограничения:** stride=1, dilation=1, "same" padding, `group_channels % 4 == 0`, `without_pointwise=True` для модульного API.
+
+#### Проверка INT8
+
+```bash
+cd DCNv4_op && pip install -e .
+python scripts/test_dcnv4_int8.py
+# Проверяет: (3x3), (1x9)/(9x1) strip, SOFIA Stage-1 (C=192, G=12)
+# PASS: max |int8_out - quantize(fp32_out)| <= 1 LSB, >=99% exact match
+```
+
+---
 
 ### Структура проекта
 
 ```
-├── DCNv4_op/              ← PyTorch CUDA-расширение (главный модуль)
-│   ├── src/               ← CUDA/C++ источники
-│   ├── DCNv4/             ← Python пакет DCNv4
-│   └── setup.py           ← Сборка (требует CUDA)
+├── DCNv4_op/                      ← PyTorch CUDA-расширение (главный модуль)
+│   ├── src/
+│   │   ├── cuda/
+│   │   │   ├── dcnv4_cuda.cu      ← upstream fp16/fp32 ядро
+│   │   │   ├── dcnv4_int8_cuda.cu ← INT8 ядро (SOFIA/MERIDIAN)
+│   │   │   └── dcnv4_int8_cuda.h
+│   │   ├── dcnv4.h
+│   │   └── vision.cpp
+│   ├── DCNv4/                     ← Python пакет DCNv4
+│   │   ├── functions/dcnv4_func.py   ← DCNv4Function + dcnv4_int8_forward
+│   │   └── modules/dcnv4.py          ← DCNv4, DCNv4Strip + forward_int8
+│   ├── scripts/
+│   │   └── test_dcnv4_int8.py     ← INT8 correctness gate
+│   └── setup.py
 ├── classification/        ← ImageNet классификация + FlashInternImage
 ├── detection/             ← COCO detection & segmentation (Mask R-CNN, DINO)
 ├── segmentation/          ← ADE20K semantic segmentation (UperNet, Mask2Former)
-├── README.md              ← Этот файл + оригинальный OpenGVLab README
+├── README.md
 └── LICENSE                ← Apache-2.0
 ```
 
 ### Что такое DCNv4?
 
 **Deformable Convolution v4** — высокоэффективный оператор для vision-моделей:
-- 🚀 **3× быстрее** чем DCNv3 (speedup на forward pass)
-- ⚡ **Лучше сходится** (более быстрая конвергенция при обучении)
-- 🎯 **Универсальность:** image classification, detection, segmentation, generation (т.е. diffusion models)
-- 🔧 **Интеграция:** замена DCNv3 → DCNv4 в InternImage дает +80% ускорения без переобучения
+- **3× быстрее** чем DCNv3 (speedup на forward pass)
+- **Лучше сходится** (более быстрая конвергенция при обучении)
+- **Универсальность:** image classification, detection, segmentation, generation (diffusion models)
+- **Интеграция:** замена DCNv3 → DCNv4 в InternImage дает +80% ускорения без переобучения
 
 ### Модели и бенчмарки