基于稀疏查询的多级一致知识蒸馏用于室内占用预测
计算机视觉与模式识别
2026-02-03 v1
摘要
占用预测为机器人提供关键的几何和语义理解，但面临效率与精度之间的权衡。当前稠密方法在空闲体素上产生计算浪费，而稀疏查询方法在多样化和复杂的室内场景中缺乏鲁棒性。本文提出了 DiScene，一种新型稀疏查询框架，利用多级蒸馏实现高效且稳健的占用预测。具体而言，我们的方法包含两个关键创新：(1) 多级一致知识蒸馏策略，通过在四个层次上的协调对齐，将大型教师模型中的层次表示传递给轻量级学生模型，包括编码器级特征对齐、查询级特征匹配、先验级空间引导和锚点级高置信度知识传递；(2) 教师引导的初始化策略，采用优化参数的热身以加速模型收敛。在 Occ-Scannet 数据集上验证的 DiScene 在无深度先验情况下实现 23.2 FPS，显著优于基线方法 OPUS 提升 36.1%，甚至优于深度增强版 OPUS{\dag}。在深度集成情况下，DiScene{\dag} 取得新的 SOTA 性能，超越 EmbodiedOcc 3.7%，推理速度快 1.62倍。此外，在 Occ3D-nuScenes 数据集和野外场景的实验表明，该方法在各种环境中的灵活性。代码和模型可在 https://github.com/getterupper/DiScene 获取。
引用
@article{arxiv.2602.02318,
title = {Enhancing Indoor Occupancy Prediction via Sparse Query-Based Multi-Level Consistent Knowledge Distillation},
author = {Xiang Li and Yupeng Zheng and Pengfei Li and Yilun Chen and Ya-Qin Zhang and Wenchao Ding},
journal= {arXiv preprint arXiv:2602.02318},
year = {2026}
}
备注
Accepted by RA-L