面向自动驾驶的实例中心全景占据预测基准
计算机视觉与模式识别
2026-03-31 v1
摘要
全景占据预测旨在统一的3D场景表示中联合推断体素级语义与实例身份。然而，该领域的进展受限于缺乏高质量3D网格资源、实例级标注以及物理一致的占据数据集。现有基准通常提供不完整且低分辨率的几何信息，缺乏实例级标注，限制了模型实现精确几何重建、可靠遮挡推理及整体3D理解的能力。为此，本文提出针对3D全景占据预测任务的实例中心基准。具体而言，我们引入ADMesh——专为自动驾驶设计的首个统一3D网格库，集成超过15000个高质量3D模型，包含多样化纹理与丰富语义标注。基于ADMesh，我们进一步构建CarlaOcc——大规模物理一致的全景占据数据集，采用CARLA模拟器生成。该数据集包含10万多帧数据，提供最细0.05米分辨率的细粒度实例级占据ground truth。此外，本文引入标准化评估指标，量化现有占据数据集的质量。最后，在所提数据集上建立了代表性模型的系统性基准测试，为该领域的公平比较与可重复研究提供了统一平台。代码与数据集已发布于https://mias.group/CarlaOcc。
引用
@article{arxiv.2603.27238,
title = {An Instance-Centric Panoptic Occupancy Prediction Benchmark for Autonomous Driving},
author = {Yi Feng and Junwu E and Zizhan Guo and Yu Ma and Hanli Wang and Rui Fan},
journal= {arXiv preprint arXiv:2603.27238},
year = {2026}
}
备注
Accepted to CVPR 2026. Code and dataset are available at https://mias.group/CarlaOcc