【Cvt-Occ：基于时许融合的占据网络】

文章预览

《CVT-Occ: Cost Volume Temporal Fusion for 3D Occupancy Prediction》 github.com/Tsinghua-MARS-Lab/CVT-Occ CVT-Occ，它利用了时间融合技术，通过在时间上对体素的几何对应关系进行采样，来提高3D占用预测的准确性。具体来说，CVT-Occ通过沿每个体素的视线采样点，并将这些点在历史帧中的特征进行整合，构建了一个代价体特征图，以此来细化当前体素的特征，从而改善预测结果。该方法利用了来自历史观测的视差线索，并采用数据驱动的方法来学习代价体。通过在Occ3D-Waymo数据集上的严格实验，验证了CVT-Occ的有效性，它在3D占用预测方面超越了现有的最先进方法，并且增加的计算成本很小 CVT-Occ模型在Occ3D-Waymo数据集上的表现尤为出色，与其他方法相比，在多个类别上都取得了更好的mIoU（平均交并比）结果。例如，在车辆类别上，CVT-Occ的mIoU达到了41.00%，明显高于BEVFormer-w/ ………………………………