SparseOcc：专为自动驾驶设计的高效全稀疏3D占用预测网络

文章预览

Fully Sparse 3D Occupancy Prediction 代码： https://github.com/MCG-NJU/SparseOcc 论文： https://arxiv.org/abs/2312.17118 SparseOcc  是一种创新的全稀疏3D占用预测网络，专为自动驾驶领域设计。它通过从单一摄像头输入中重建稀疏的3D场景表示，然后利用稀疏查询预测场景的语义和实例占用。 SparseOcc 的设计理念是充分利用场景的固有稀疏性，避免了传统方法中构建密集3D体积所带来的高计算成本。通过掩码引导的稀疏采样技术，SparseOcc能够以完全稀疏的方式进行2D特征与稀疏查询的交互，显著减少了对昂贵的密集特征或全局注意力机制的依赖。 SparseOcc 还引入了一种新颖的基于射线的评估指标——RayIoU，用以解决传统体素级mIoU标准在深度方向上不一致性的问题。这一指标通过沿指定射线检索深度和类别预测，提供了一个更公平合理的评估准则。 实验结果表明，SparseOcc在保 ………………………………