OcCRWKV:重新思考基于线性复杂度的高效三维语义占用预测 !

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 3D语义占用预测网络在重构3D场景的几何和语义结构方面表现出显著的能力，为机器人导航和自动驾驶系统提供了关键信息。然而，由于密集网络结构设计的开销，现有的网络在平衡准确性和延迟方面面临挑战。 在本文中，作者引入了OccRWKV，这是一种高效的语义占用网络，灵感来自Acceptance Weighted Key Value（RWKV）。OccRWKV将语义、占用预测和特征融合分离到不同的分支中，每个分支都包含Sem-RWKV和Geo-RWKV块。 这些块被设计为捕捉长程依赖性，使得网络能够学习特定领域的表示（即语义和几何），从而提高预测准确性。利用实际3D占用的稀疏性，作者通过将特征投影到鸟瞰视角（BEV）空间并提出一个BEV-RWKV块来有效提升和融合特征，从而减少了 ………………………………