深度解析 VPOcc 框架：如何利用消失点提升单目3D语义占用预测性能 !

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 单目3D语义占用预测在机器人视觉领域变得日益重要，因为使用单个RGB相机具有紧凑性。然而，现有方法通常未能充分考虑摄像机视角几何，导致图像深度范围内的信息不平衡。为了解决这个问题，作者提出了一种单目3D语义占用预测框架VPOcc，名为消失点（VP）引导。作者的框架包括三个利用VP的新颖模块。 首先，在VPZoomer模块中，作者最初在特征提取中利用VP，通过基于VP生成缩放图像以实现场景中信息平衡的特征提取。其次，作者通过使用VP引导跨注意力（VPCA）模块，针对视角几何感知进行特征聚合。 最后，作者通过使用平衡特征体积融合（BVFV）模块，有效地将原始和缩放 Voxel 特征体积融合，从而创建信息平衡的特征体积。 实验结果 ………………………………