文章预览
论文作者 | Bohan Li等 编辑 | 自动驾驶之心 本文是对ECCV2024接受的文章 HTCL: 的介绍， HTCL在SemanticKITTI基准测试中超过了所有基于相机的方法，甚至在和OpenOccupancy基准测试中超过了LiDAR ，实现了最先进的性能。 代码已开源，欢迎大家试用和Star~ 代码链接：https://github.com/Arlo0o/HTCL 论文链接：https://arxiv.org/abs/2407.02077 Demo video 展示： 我们对比了同样采用时序双目图像输入的VoxFormer-T，并用更少的输入帧数（3 vs. 4）取得了更好的预测效果，在场景整体布局、相机视野外区域、远距离动态物体等的预测中表现出明显优势。 Motivation 基于相机的三维语义场景补全（SSC）对于从有限的二维图像观测中预测复杂的三维场景信息至关重要。现有的主流解决方案通过对历史帧信息的粗略堆叠来试图补充当前视角下的不完整观测，这种简单的时序建模方式不可避免地减
………………………………
