从2D到3D，EFFOcc 高效占用网络简化架构，降低标注需求 ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室 扫描上方二维码，加入【 智驾实验室 】交流群， 获取更多内容和资料 三维占用预测（Occ）是自动驾驶领域迅速崛起的一项具有挑战性的感知任务，它将驾驶场景表示为具有语义信息的统一划分的3D Voxel 网格。与3D目标检测相比，网格感知在识别不规则形状、未知类别或部分遮挡的一般物体方面具有很大优势。 然而，现有的3D占用网络（occnets）既计算量大，又对标签需求高。在模型复杂性方面，occnets通常由 Voxel  Level 的重型Conv3D模块或 Transformer 组成。在标签标注要求方面，occnets需要大规模昂贵的密集 Voxel 标签进行监督。 由于过多的网络参数和标签标注需求导致的模型和数据效率低下，严重阻碍了occnets在车载部署上的应用。 本文提出了一种高效的三维占用网络（EFFOcc），旨在最小化网络复杂性和 ………………………………