训练难度降低！首次使用2D标签训练多视图3D Occupancy模型！

文章预览

来源：计算机视觉工坊 添加微信：dddvision，备注： NeRF ，拉你入群。文末附行业细分群 0. 笔者个人体会 3D占用预测将3D场景量化为带有语义标签的网格单元，但是3D标签的注释非常繁琐，而且很多标签类别并不明确，所以很难去训练3D Occupancy的大模型。 今天笔者为大家分享一项工作RenderOcc，仅使用2D标签就可以训练3D占用模型，算是提供了一种新范式！ 下面一起来阅读一下这项工作，文末附论文和代码链接~ 1. 这篇文章希望解决什么问题？ 以前方法使用昂贵的3D占用标签进行监督，而RenderOcc使用2D标签来训练3D占用网络，实际使用的是细粒度的2D像素级语义和深度监督。 这里也推荐工坊推出的新课程 《 面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)》 。 2. 具体原理是什么？ RenderOcc从多视图图像中提取NeRF风格的3D体素 ………………………………