UniOcc：面向自动驾驶的占据预测与推断统一基准
计算机视觉与模式识别
2025-08-15 v2 人工智能
机器学习
多智能体系统
机器人学
摘要
我们引入了 UniOcc，一个用于占据预测（即基于历史信息预测未来占据情况）和占据推断（即从相机图像预测当前帧占据情况）的综合性统一基准与工具包。UniOcc 统一了来自多个真实世界数据集（即 nuScenes、Waymo）和高保真驾驶模拟器（即 CARLA、OpenCOOD）的数据，提供 2D/3D 占据标签并标注了创新的逐体素流。与依赖次优伪标签进行评估的现有研究不同，UniOcc 引入了不依赖真值标签的新型评估指标，从而能够对占据质量的其他方面进行稳健评估。通过对 SOTA 模型进行大量实验，我们证明了大规模、多样化的训练数据和显式流信息显著增强了占据推断和预测性能。我们的数据和代码可在 https://uniocc.github.io/ 获取。
引用
@article{arxiv.2503.24381,
title = {UniOcc: A Unified Benchmark for Occupancy Forecasting and Prediction in Autonomous Driving},
author = {Yuping Wang and Xiangyu Huang and Xiaokang Sun and Mingxuan Yan and Shuo Xing and Zhengzhong Tu and Jiachen Li},
journal= {arXiv preprint arXiv:2503.24381},
year = {2025}
}
备注
IEEE/CVF International Conference on Computer Vision (ICCV 2025); Project website: https://uniocc.github.io/