【OPUS：基于sparse的方式预测3D占据】

文章预览

《OPUS: Occupancy Prediction Using a Sparse Set》是一篇关于占用预测的研究论文，提出了一种新的方法来预测三维环境中的占用状态。这种方法特别适用于自动驾驶领域，能够快速获得关注。传统的占用预测工作首先将三维环境离散化为体素，然后在这些密集的网格上执行分类。然而，这种方法在计算资源分配上存在效率问题，因为大多数体素实际上是未被占用的。 论文中提出的OPUS框架采用了transformer编码器-解码器架构，通过一组可学习的查询同时预测占用的位置和类别。首先，使用Chamfer距离损失来扩展集合到集合的比较问题，使得端到端训练这种模型成为可能。其次，使用基于最近邻搜索的自适应方法为预测的点分配语义类别。此外，OPUS还结合了一系列非平凡的策略来提高模型性能，包括粗到细的学习、一致的点采样和自适应重加权等。 在Occ3D-nuScenes ………………………………