S2GO：流式稀疏高斯占用预测
计算机视觉与模式识别
2025-06-09 v1
摘要
尽管稀疏查询基表示方法在感知方面已展现出效率与性能，但最新的 3D 占用预测方法仍依赖基于体素或稠密高斯的 3D 表示。然而，稠密表示缓慢，且在捕捉驾驶场景的时间动态方面缺乏灵活性。与先前工作不同，我们将场景概括为一组紧凑的 3D 查询，这些查询以在线、流式方式随时间传递。然后，这些查询在每个时间步解码为语义高斯。在我们的框架中，我们引入去噪渲染目标，以引导查询及其组成高斯有效地捕捉场景几何结构。凭借其高效的查询基表示，S2GO 在 nuScenes 与 KITTI 占用基准测试中取得了最先进的性能，凭借 5.9 倍更快的推理速度，超越了 prior art (如 GaussianWorld) 1.5 的 IoU。
引用
@article{arxiv.2506.05473,
title = {S2GO: Streaming Sparse Gaussian Occupancy Prediction},
author = {Jinhyung Park and Yihan Hu and Chensheng Peng and Wenzhao Zheng and Kris Kitani and Wei Zhan},
journal= {arXiv preprint arXiv:2506.05473},
year = {2025}
}