SuperOcc：面向基于超二次曲面的 3D 占用预测的内聚时序建模
计算机视觉与模式识别
2026-03-20 v3
摘要
3D 占用预测在自动驾驶领域发挥着关键作用，因为它提供了对驾驶环境的全面理解。现有大多数方法构建密集的场景表示进行占用预测，忽略了真实驾驶场景固有的稀疏性。近期，3D 超二次曲面表示因其强大的几何表达能力，作为一种有前景的稀疏替代方案出现于密集场景表示中。然而，现有的超二次曲面框架仍存在时序建模不足、查询稀疏性与几何表达能力之间具有挑战性的权衡，以及超二次曲面到体素的泼溅效率低下等问题。为了解决这些问题，我们提出了 SuperOcc，一种用于基于超二次曲面的 3D 占用预测的新颖框架。SuperOcc 包含三个关键设计：（1）一种内聚的时序建模机制，以同时利用以视图为中心和以对象为中心的时序线索；（2）一种多超二次曲面解码策略，在不牺牲查询稀疏性的情况下增强几何表达能力；（3）一种高效的超二次曲面到体素泼溅方案，以提高计算效率。在 SurroundOcc 和 Occ3D 基准上的大量实验表明，SuperOcc 在保持卓越效率的同时实现了 SOTA 性能。代码可在 https://github.com/Yzichen/SuperOcc 获取。
引用
@article{arxiv.2601.15644,
title = {SuperOcc: Toward Cohesive Temporal Modeling for Superquadric-based 3D Occupancy Prediction},
author = {Zichen Yu and Quanli Liu and Wei Wang and Liyong Zhang and Xiaoguang Zhao},
journal= {arXiv preprint arXiv:2601.15644},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication