QuadricFormer：将场景表示为超二次曲面的 3D 语义占用预测
计算机视觉与模式识别
2025-06-13 v1
摘要
3D 占用预测对于鲁棒自动驾驶系统至关重要，因为它能够全面感知环境结构与语义。现有大多数方法采用基于密集体素的场景表示，忽略了驾驶场景的稀疏性，导致效率低下。近期工作探索了基于稀疏高斯的对象中心表示，但其椭球形状先验限制了对多样结构的建模。在真实驾驶场景中，物体具有丰富的几何形状（如长方体、圆柱体和不规则形状），需要密集堆叠大量椭球高斯才能准确建模，这导致表示效率低下。为解决此问题，我们提出使用几何表达能力丰富的超二次曲面作为场景基元，利用其固有的形状多样性，以更少的基元高效表示复杂结构。我们开发了一个概率超二次曲面混合模型，将每个超二次曲面解释为具有对应几何先验的占用概率分布，并通过概率混合计算语义。在此基础上，我们提出了 QuadricFormer，一个基于超二次曲面的高效 3D 占用预测模型，并引入了剪枝与分裂模块，通过将超二次曲面集中于占用区域进一步提升建模效率。在 nuScenes 数据集上的大量实验表明，QuadricFormer 在保持卓越效率的同时实现了 SOTA 性能。
引用
@article{arxiv.2506.10977,
title = {QuadricFormer: Scene as Superquadrics for 3D Semantic Occupancy Prediction},
author = {Sicheng Zuo and Wenzhao Zheng and Xiaoyong Han and Longchao Yang and Yong Pan and Jiwen Lu},
journal= {arXiv preprint arXiv:2506.10977},
year = {2025}
}
备注
Project page: https://zuosc19.github.io/QuadricFormer/