GaussRender：基于高斯渲染学习 3D 占据
计算机视觉与模式识别
2025-07-08 v3
摘要
理解驾驶场景的 3D 几何与语义对于安全的自动驾驶至关重要。最近在 3D 占据预测方面的进展提升了场景表征，但常因视觉不一致导致浮动伪影及表面定位不佳。现有体素级损失（如交叉熵）无法强制可见的几何一致性。在本文中，我们提出 GaussRender，一个通过强制投影一致性改善 3D 占据学习的模块。我们的核心思想是将预测的 3D 占据及真实 3D 占据投影到 2D 相机视图中，在其中应用监督。我们的 метод 会惩罚产生不一致 2D 投影的 3D 配置，从而实现更一致的 3D 结构。为高效实现此目标，我们利用高斯 splatting 的可微分渲染。GaussRender 可无缝集成到现有架构中，保持效率且无需推理时修改。广泛的评估在多个基准（SurroundOcc-nuScenes、Occ3D-nuScenes、SSCBench-KITTI360）上表明，GaussRender 在各种 3D 占据模型（TPVFormer、SurroundOcc、Symphonies）中显著提升几何保真度，尤其在面向表面的指标（RayIoU）方面取得最先进成果。代码已开源于 https://github.com/valeoai/GaussRender。
引用
@article{arxiv.2502.05040,
title = {GaussRender: Learning 3D Occupancy with Gaussian Rendering},
author = {Loïck Chambon and Eloi Zablocki and Alexandre Boulch and Mickaël Chen and Matthieu Cord},
journal= {arXiv preprint arXiv:2502.05040},
year = {2025}
}
备注
ICCV 2025