清华 & 上海 AI Lab & 加州大学 & 纽约大学联合提出 CVT-0cc 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 基于视觉的3D占用预测在深度估计方面受到单目视觉固有限制的严重影响。 本文介绍了CVT-Occ，一种利用时间融合通过时间上 Voxel 几何对应来提高3D占用预测准确性的新颖方法。 通过沿每个 Voxel 视线方向采样点，并从历史帧中集成这些点的特征，作者构建了一个成本体积特征图，以改进当前体积特征，从而提高预测结果。 作者的方法利用历史观察的视差线索，并采用数据驱动方法学习成本体积。 通过在Occ3D-Waymo数据集上进行严格的实验来验证CVT-Occ的有效性，它在3D占用预测方面超过了最先进的方法，且额外计算成本最小。 代码已发布在https://github.com/Tsinghua-MARS-Lab/CVT-Occ。 1 Introduction 基于视觉的3D语义占用预测在3D感知领域迅速发展，其关 ………………………………