3d occupancy prediction | BriefGPT

关键词3d occupancy prediction

搜索结果 - 14

EFFOcc: 融合效率的三维占据网络的最小基线
提出了一种高效的三维占据网络 (EFFOcc)，通过使用简单的 2D 算子和两阶段主动学习策略，最小化网络复杂性和标注要求，实现了业界领先的准确性，并支持改进的视觉占据预测。
PDF23 days ago
通过类平衡损失和多尺度表示改进 3D 占据预测
通过引入新颖的 UNet-like 多尺度占用头模块以及类别平衡损失，克服了传统基于 Birds-Eye-View（BEV）的感知架构无法表示不同尺度 BEV 特征的缺陷，在 nuScenes 3D 占用挑战数据集上实验结果表明了我们所提出
PDFa month ago
自主驾驶中基于视觉的三维占用预测：综述与展望
自动驾驶领域的一项新兴感知任务是基于视觉的 3D 占用状态预测，该论文对其背景、挑战、研究进展和未来展望进行了综述，并提供了与该主题相关的论文、数据集和代码的收集。
PDF2 months ago
OccFusion: 无深度估计的多传感器融合用于 3D 占据预测
基于多传感器融合的 3D 占用预测方法 OccFusion，使用无需深度估计的多模态融合以及相应的点云采样算法，通过主动训练方法和主动粗到细流程，提高了复杂场景中预测的准确性和鲁棒性，有效优化了计算资源需求。在开放占用评测中，该方法超过了现
PDF4 months ago
FastOcc: 通过融合二维俯视图和透视视图加速三维占据预测
在自动驾驶中，通过分析网络效应和延迟，本文提出了一种名为 FastOcc 的新方法，通过用轻量级的 2D BEV 卷积网络代替时间消耗较大的 3D 卷积网络，加快模型的推理速度，同时保持准确性，从而实现了优越的性能。
PDF4 months ago
OccFusion: 一个简单有效的多传感器融合框架用于 3D 占用预测
该研究论文介绍了 OccFusion，一种直观高效的传感器融合框架，可用于预测三维占据情况。通过整合来自其他传感器（如激光雷达和环绕视图雷达）的特征，该框架提高了占据情况预测的准确性和稳健性，在 nuScenes 基准测试中取得了顶尖性能。
PDF4 months ago
CVPROccTransformer：改进 BEVFormer 以用于 3D 仅相机空间占用预测
我们的研究论文提出了一种名为 “occTransformer” 的解决方案，用于 CVPR 2023 的自动驾驶挑战中的 3D 占据预测。该方法基于强大的基准模型 BEVFormer，并通过几种简单但有效的技术来提高其性能。
PDF4 months ago
AAAIRadOcc：通过渲染辅助蒸馏学习跨模态占位知识
探索 3D 场景的占据状态和语义的三维占据预测任务中，通过利用更强大的多模态模型在训练时指导视觉模型，提出了渲染辅助蒸馏的范例 RadOcc，其中利用可微的体积渲染在透视视图中生成深度和语义图，并提出了两个新的一致性标准，即深度一致性损失和
PDF6 months ago
OccNeRF: 基于神经辐射场的自监督多相机占用预测
我们提出了一种自我监督的多摄像机占用预测 OccNeRF 方法，用于三维占用预测任务和语义占用预测任务。
PDF7 months ago
COTR: 基于视觉的紧凑式占据 Transformer 用于 3D 占据预测
自主驾驶中感兴趣的 3D 占据预测，通过其出色的几何认知和一般物体识别能力来推动。为了实现这一点，当前的工作试图构建从鸟瞰图感知扩展的三透视视图（TPV）或占据（OCC）表示。然而，像 TPV 表示这样的压缩视图会丢失 3D 几何信息，而原
PDF7 months ago
SelfOcc: 自监督视觉 3D 占据预测
本文提出了一种自监督学习方法 SelfOcc，使用视频序列仅学习 3D 占用情况，通过将图像转换为 3D 空间来得到 3D 场景表示，并利用自监督信号优化这些表示。SelfOcc 在 SemanticKITTI 和 Occ3D 上使用单帧输
PDF7 months ago
RenderOcc: 基于图像渲染监督的视觉中心化 3D 占据预测
利用 2D 标签训练多视图 3D 占有模型，降低对昂贵的 3D 占有注释的依赖，并在实际应用中取得与使用 3D 标签全面监督的模型相当的性能。
PDF10 months ago
CVPR基于前后向视点变换的三维占据预测
本文简述了在 3D 占用预测挑战中获胜的解决方案，该方案基于 FB-BEV，并在其基础上进一步研究了针对 3D 占用预测任务的新设计和优化。最终结果表明，该方案在 nuScenes 数据集上获得了最先进的 mIoU 得分，排名挑战榜的第一位
PDFa year ago
CVPRCVPR 2023 3D 占据预测挑战赛 4th Place 多尺度 Occ 解决方案
本报告介绍了通过采用 Multi-Scale Occ 方法进行 3D 占用预测的方式，在 CVPR 2023 挑战赛中获得了第四名，并通过模型混合、测试时增强和类别敏感的阈值进一步提高了最终性能。
PDFa year ago