GaussianOcc：基于高斯溅射的全自监督高效3D占用估计
计算机视觉与模式识别
2025-07-15 v4
摘要
我们提出了 GaussianOcc，一种系统性地研究高斯溅射在全景视图中用于全自监督和高效3D占用估计的两种用途的方法。第一，传统的自监督3D占用估计方法在训练期间仍需要来自传感器的真实6D姿态。为解决这一限制，我们提出了高斯溅射投影模块（GSP），为从相邻视图投影进行全自监督训练提供精确的尺度信息。此外，现有方法依赖体积渲染来利用2D信号（深度图、语义图）进行最终的3D体素表示学习，这既耗时又效果不佳。我们提出了来自体素空间的高斯溅射（GSV），以利用高斯溅射的快速渲染特性。因此，所提出的 GaussianOcc 方法实现了全自监督（无需真实姿态）的3D占用估计，在具有竞争力的性能下具有较低的计算成本（训练速度快2.7倍，渲染速度快5倍）。相关代码可在 https://github.com/GANWANSHUI/GaussianOcc.git 获取。
引用
@article{arxiv.2408.11447,
title = {GaussianOcc: Fully Self-supervised and Efficient 3D Occupancy Estimation with Gaussian Splatting},
author = {Wanshui Gan and Fang Liu and Hongbin Xu and Ningkai Mo and Naoto Yokoya},
journal= {arXiv preprint arXiv:2408.11447},
year = {2025}
}
备注
Project page: https://ganwanshui.github.io/GaussianOcc/