ECCV24自动驾驶3D感知新作：如何仅用‘点’让自动驾驶汽车全面感知世界？

文章预览

导读： 本文引入一个可以全面理解3D场景的方法，通过将点查询与2D图像特征交互而建立的新型基于点的占用表示。提出 一个灵活的框架，允许在任何感兴趣的区域进行推理，而无需重新训练或牺牲准确性，并预测场景以外的区域。 ©️【深蓝AI】编译 在本文中，作者探索了一种用于从多视角图像中进行3D占用预测的新型点表示，称为“占用作为点集”。现有的基于相机的方法倾向于利用密集的基于体积的表示来预测整个场景的占用，这使得很难将注意力集中在特殊区域或感知范围之外的区域。相比之下，本文提出了兴趣点（PoI）来表示场景，并提出了OSP，一种基于点的3D占用预测的新框架。由于基于点的表示固有的灵活性，OSP与现有方法相比实现了强大的性能，并且在训练和推理适应性方面表现出色。它超越了传统的感知界限，可以与基于体积的 ………………………………