OccuFly：面向航空视角的 3D 语义场景完成基准
计算机视觉与模式识别
2026-03-31 v2
摘要
语义场景完成（SSC）对于移动机器人的 3D 感知至关重要，因为它能够联合估计稠密体素占用和每个体素的语义。尽管 SSC 在自动驾驶等陆地领域已广泛研究，但航空领域如自动飞行仍 largely 未探索，限制了下游应用的进展。此外，LiDAR 传感器是 SSC 数据生成的主要模态，由于飞行法规、质量和能源限制，以及从高空视角获取的稀疏 LiDAR 点云，挑战了大多数无人机（UAV）。为解决这些限制，我们提出了一个无 LiDAR 基于相机的数据生成框架。通过利用经典 3D 重建，我们自动将不足 10% 已标注图像的语义标签传递到重建点云中，大幅降低了人工 3D 标注的工作量。基于该框架，我们引入 OccuFly，首个真实世界、基于相机的航空 SSC 基准数据集，覆盖多个高度和所有季节。OccuFly 提供超过 20,000 样本的图像、语义体素网格和度量深度图，覆盖 21 个语义类别，涵盖城市、工业和农村环境，遵循既定的数据组织方式以实现无缝集成。我们在 OccuFly 上对 SSC 和度量单目深度估计进行基准测试，揭示了当前视觉基础模型在航空领域的根本性局限，确立了航空域鲁棒 3D 场景理解的新挑战。访问 https://github.com/markus-42/occufly。
引用
@article{arxiv.2512.20770,
title = {OccuFly: A 3D Vision Benchmark for Semantic Scene Completion from the Aerial Perspective},
author = {Markus Gross and Sai B. Matha and Aya Fahmy and Rui Song and Daniel Cremers and Henri Meess},
journal= {arXiv preprint arXiv:2512.20770},
year = {2026}
}
备注
Accepted to CVPR 2026