稀疏世界-TC：基于轨迹条件的稀疏占用场景模型
计算机视觉与模式识别
2026-04-15 v3
摘要
本文提出一种用于轨迹条件下未来3D场景占有率预测的新型架构。与依赖变分自编码器(VAEs)生成离散占用标记、本质上限制表示容量的方法不同，我们的方法直接从原始图像特征以端到端方式预测多帧未来占有率。借鉴Transformer在基础视觉和语言模型（如GPT、VGGT）中的成功， 我们采用稀疏占用表示，绕过中间的鸟瞰视图(BEV)投影及其显式几何先验。该设计使Transformer能够更有效地捕获时空依赖关系。通过避免离散标记的有限容量约束和BEV表示的结构限制，我们的方法在nuScenes基准上实现了1-3秒占有率预测的领先性能，显著超越现有方法。在任意未来轨迹条件下， 该方法始终能提供高准确率，展现出稳健的场景动态理解能力。
引用
@article{arxiv.2511.22039,
title = {SparseWorld-TC: Trajectory-Conditioned Sparse Occupancy World Model},
author = {Jiayuan Du and Yiming Zhao and Zhenglong Guo and Yong Pan and Wenbo Hou and Zhihui Hao and Kun Zhan and Qijun Chen},
journal= {arXiv preprint arXiv:2511.22039},
year = {2026}
}
备注
Accepted by CVPR2026 as an oral