Dr.Occ：基于深度与区域引导的无感知摄像头 3D 占据预测框架用于自动驾驶
计算机视觉与模式识别
2026-03-06 v3
摘要
3D 语义占据预测是自动驾驶感知的关键技术，能够提供全面的几何场景理解和语义识别。然而，现有方法由于缺乏像素级精确深度估计，难以处理视图转换中的几何错位问题；同时面临语义类别在空间上的严重不平衡问题。为此，我们提出 Dr. Occ，一种深度与区域引导的占据预测框架。具体而言，我们引入深度引导的 2D 到 3D 视图转换器（D-VFormer），有效利用来自 MoGe-2 的高质量稠密深度线索，构建可靠的几何先验，从而实现体素特征的精确几何对齐。此外，受 Mixture-of-Experts（MoE）框架的启发，我们提出区域引导的专家转换器（R/R-EFormer），自适应分配区域特定专家以关注不同空间区域，有效解决空间语义变异问题。因此，两个组件互为补充：深度引导确保几何对齐，而区域专家增强语义学习。在 Occ3D--nuScenes 基准测试中，实验表明 Dr. Occ 在仅使用视觉信息的设置下，相较于强基线 BEVDet4D 提升了 7.43% 的 mIoU 和 3.09% 的 IoU。
引用
@article{arxiv.2603.01007,
title = {Dr.Occ: Depth- and Region-Guided 3D Occupancy from Surround-View Cameras for Autonomous Driving},
author = {Xubo Zhu and Haoyang Zhang and Fei He and Rui Wu and Yanhu Shan and Wen Yang and Huai Yu},
journal= {arXiv preprint arXiv:2603.01007},
year = {2026}
}
备注
10 pages, 6 figures. Accepted at CVPR 2026