DGOcc：基于深度感知全局查询网络的单目3D占用预测
计算机视觉与模式识别
2025-04-11 v1
摘要
单目3D占用预测旨在仅从2D图像预测3D场景中感兴趣区域的占用和语义，因其在3D场景理解中的关键作用而日益受到关注。从2D图像预测大规模室外场景的3D占用是不适定且资源密集的。在本文中，我们提出了DGOcc，一种用于单目3D占用预测的深度感知全局查询网络。我们首先探索先验深度图以提取深度上下文特征，为占用网络提供显式的几何信息。然后，为了充分利用深度上下文特征，我们提出了全局查询（GQ）模块。注意力机制与尺度感知操作的协作促进了图像与3D体素之间的特征交互。此外，设计了层次监督策略（HSS）以避免将高维3D体素特征上采样到全分辨率，从而减少GPU内存占用和时间成本。在SemanticKITTI和SSCBench-KITTI-360数据集上的大量实验表明，所提方法在单目语义占用预测上取得了最佳性能，同时降低了GPU和时间开销。
引用
@article{arxiv.2504.07524,
title = {DGOcc: Depth-aware Global Query-based Network for Monocular 3D Occupancy Prediction},
author = {Xu Zhao and Pengju Zhang and Bo Liu and Yihong Wu},
journal= {arXiv preprint arXiv:2504.07524},
year = {2025}
}
备注
under review