清华 & 上海 AI Lab 提出 CVT-Occ | 用于三维居住率预测的成本量时间融合 ！

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 单目视觉在深度估计中存在固有的局限性，这使得基于视觉的3D占用预测面临显著挑战。本文提出了一种名为CVT-Occ的新方法，该方法通过颗粒体时间融合，利用时间上颗粒体之间的几何对应来提高3D占用预测的准确性。 通过沿每个颗粒体的视线 sampling 点，并将这些点从历史帧中整合的特征，作者构建了一个优化当前体积特征的成本体积特征图，从而提升预测效果。作者的方法利用历史观察中的平行线线索，并采用数据驱动方法学习成本体积。 作者在Occ3D-Waymo数据集上进行了严格的实验验证，结果表明，与现有的最先进方法相比，CVT-Occ在3D占用预测中的性能更为优越，且具有最小的额外计算成本。 代码已发布在https://github.com/Tsinghua-MARS-Lab/ ………………………………