面向协作语义占据预测的视觉唯一性高斯溅写

协作感知使连接车辆能够共享信息，克服单智能体（非协作）系统固有的遮挡问题和受限感知范围。现有的视觉唯一性方法常依赖稠密 3D 体素，导致通信成本高；或采用 2D 平面特征，需准确深度估计或额外监督，限制了其在协作场景中的适用性。为此，我们提出首个利用稀疏 3D 语义高斯溅写进行协作 3D 语义占据预测的方法。通过共享和融合中间高斯原始，我们的方法提供了三方面的好处：一种基于邻域的跨代理融合机制消除重复并抑制噪声或不一致的高斯；每个原始中几何与语义的联合编码，降低了对深度监督的依赖，允许简单刚性对齐；以及稀疏、面向对象的消息，保留结构信息的同时降低了通信量。广泛的实验表明，我们的方法在 mIoU 上分别比单智能体感知和基准协作方法提升了 +8.42 和 +3.28 分，IoU 上分别提升了 +5.11 和 +22.41 分。进一步降低要传输的高斯数量后，我们的方法仍能在 mIoU 上实现 +1.9 的提升，仅使用 34.6% 的通信量，凸显了在有限通信预算下的稳健性能。