南开 & 上交通提出 OPUS，使用稀疏集合进行占用率预测 ！

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 占据预测，旨在预测3D环境 Voxel 中的占据状态，在自动驾驶领域迅速获得关注。主流占据预测方法首先将3D环境离散化为 Voxel ，然后对这些密集的网格进行分类。 然而，对样本数据的检查显示，大部分 Voxel 都是未占据的。对这些空 Voxel 进行分类需要次优的计算资源分配，减少这些空 Voxel 则需要设计复杂的算法。 为此，作者提出了一种新的看待占据预测任务的方法：将其形式化为一个无需显式空间建模或复杂归约化过程的简洁集对预测范式。 作者提出的框架名为OPUS，采用 Transformer 编码器-解码器架构同时预测占用位置和类别的学习 Query 组。首先，作者使用Chamfer距离损失将集合对集合比较问题扩展到史无前例的规模，使得训练该模型实 ………………………………