扩大驾驶场景生成的占用中心方法：数据集与方法

驾驶场景生成是自动驾驶中的关键领域，使下游应用（包括感知和规划评估）成为可能。占用中心的方法最近取得了最先进的成果，通过在帧和模态之间提供一致的条件化，然而其性能高度依赖标注的占用数据，而该数据仍稀缺。为克服这一限制，我们策划了Nuplan-Occ，这是目前规模最大的语义占用数据集，源自广泛使用的 Nuplan 数据集。其规模和多样性不仅促进了大规模生成建模，也有助于自动驾驶的下游应用。基于该数据集，我们开发了一个统一框架，联合合成高质量的语义占用、多视图视频和激光点云。我们的方法包含一种空间-时间解耦架构，以支持 4D 动态占用的高保真空间扩展和时序预测。为弥合模态之间的差距，我们进一步提出了两种新技术：一种基于高斯溅射的稀疏点图渲染策略，增强了多视图视频生成；以及一种感知传感器的嵌入策略，显式建模激光传感器属性，以实现真实的多激光仿真。大量实验表明，我们的方法在生成保真度和可扩展性方面优于现有方法，并验证了其在下游任务中的实际价值。