MergeOcc：弥合不同激光雷达间的领域鸿沟以实现鲁棒的占用预测
计算机视觉与模式识别
2024-08-20 v2
摘要
随着大型数据集的涌现，基于激光雷达的三维占用预测迅速发展。然而，现有多样化数据集的潜力仍未得到充分利用，因为它们各自独立发挥作用。在特定数据集上训练的模型部署到涉及不同激光雷达的真实场景或数据集时，往往会遭受显著的性能下降。本文旨在开发一个名为 MergeOcc 的通用模型，通过利用多个数据集来同时处理不同的激光雷达。激光雷达数据集之间的鸿沟主要体现在几何差异和语义不一致上。因此，MergeOcc 采用了一种新颖的模型，该模型包含一个几何重对齐模块和一个语义标签映射模块，以实现多数据集训练（MDT）。通过在自动驾驶车辆的两个著名数据集 OpenOccupancy-nuScenes 和 SemanticKITTI 上的实验，验证了 MergeOcc 的有效性。结果表明，该模型在两种类型的激光雷达上均表现出增强的鲁棒性和卓越的性能，优于多种最先进的多模态方法。值得注意的是，尽管使用相同的模型架构和超参数集，MergeOcc 由于接触到更多样化的数据，能够显著超越基线。MergeOcc 被认为是首个跨数据集三维占用预测流程，能够有效弥合领域鸿沟，实现跨异构平台的无缝部署。
引用
@article{arxiv.2403.08512,
title = {MergeOcc: Bridge the Domain Gap between Different LiDARs for Robust Occupancy Prediction},
author = {Zikun Xu and Jianqiang Wang and Shaobing Xu},
journal= {arXiv preprint arXiv:2403.08512},
year = {2024}
}