OccAny：面向无约束城市 3D 占用场景的通用模型
计算机视觉与模式识别
2026-03-25 v1
摘要
依赖领域内标注和精确的传感器装配先验，现有的 3D 占用预测方法在可扩展性和跨域泛化能力方面受到限制。虽然近期的视觉几何基础模型展现出强大的泛化能力，但主要为通用目的设计，缺少一些用于城市占用预测的关键要素，包括度量预测、密集场景下的几何完成以及对城市场景的适配。我们填补这一差距，提出 OccAny——首个能够在无约束的跨域未标定场景上预测并完成度量占用并搭配分段特征的无约束城市 3D 占用模型。OccAny 具有高度灵活性，可从顺序、单目或全景视角图像进行占用预测。我们的贡献有三点：(i) 我们提出首个通用的 3D 占用框架；(ii) 采用分段强制(Segmentation Forcing)技术既提升占用质量，又实现掩码级预测；(iii) 设计新视角渲染管线，通过推断新视角几何实现测试时视角增强以完成几何。大量实验表明，OccAny 在 3D 占用预测任务中超越了所有视觉几何基线模型，在三个输入设置下相较于领域内自监督方法在两项既定的城市占用预测数据集上保持竞争力。我们的代码已公开于 https://github.com/valeoai/OccAny。
引用
@article{arxiv.2603.23502,
title = {OccAny: Generalized Unconstrained Urban 3D Occupancy},
author = {Anh-Quan Cao and Tuan-Hung Vu},
journal= {arXiv preprint arXiv:2603.23502},
year = {2026}
}
备注
Accepted to CVPR 2026. Project page: https://valeoai.github.io/OccAny/