潜在高斯溅出用于 4D 全景占据跟踪
计算机视觉与模式识别
2026-02-27 v1 人工智能
机器人学
摘要
捕捉 4D 时空环境对于机器人在动态环境中安全可靠地运行至关重要。然而，大多数现有方法只解决问题的一侧：要么提供基于边界框的粗糙几何跟踪，要么提供缺乏显式时间关联的详细 3D 结构如基于体素的占据。本工作提出 Latent Gaussian Splatting for 4D Panoptic Occupancy Tracking（LaGS），在全方位方向上推进时空场景理解。我们的方法将基于相机的端到端跟踪与基于掩码的多视图全景占据预测相结合，解决了将多视图信息高效聚合到 3D 体素网格的关键挑战，方法是通过一种新颖的潜在高斯溅出方法。具体而言，我们首先将观察融合到 3D 高斯中作为 3D 场景的稀疏点中心潜在表示，然后将聚合的特征溅射到 3D 体素网格上，该网格由基于掩码的分割头解码。我们在 Occ3D nuScenes 和 Waymo 数据集上评估 LaGS，实现了 4D 全景占据跟踪的最新性能。我们将代码公开于 https://lags.cs.uni-freiburg.de/。
引用
@article{arxiv.2602.23172,
title = {Latent Gaussian Splatting for 4D Panoptic Occupancy Tracking},
author = {Maximilian Luz and Rohit Mohan and Thomas Nürnberg and Yakov Miron and Daniele Cattaneo and Abhinav Valada},
journal= {arXiv preprint arXiv:2602.23172},
year = {2026}
}