WildOcc: 野外3D语义占据预测基准
计算机视觉与模式识别
2024-10-29 v2 人工智能
机器人学
摘要
3D语义占据预测是自动驾驶中的关键环节，专注于捕捉场景的几何细节。野外环境包含丰富的几何信息，因此适合用于3D语义占据预测任务的场景重建。然而，大多数研究集中在驾道环境，而鲜有方法专为野外3D语义占据预测任务设计 due to 缺乏相关数据集和基准。在此背景下，本文引入WildOcc，据我们所知，是首个为野外3D语义占据预测任务提供稠密占据标注的基准。本文提出了一种粗到细重建管线，以实现更真实的效果。此外，本文引入了一种多模态3D语义占据预测框架，该框架在体素级别融合来自多帧图像和点云的时空信息。此外，引入了一种跨模态蒸馏函数，用于将点云的几何知识传递到图像特征中。
引用
@article{arxiv.2410.15792,
title = {WildOcc: A Benchmark for Off-Road 3D Semantic Occupancy Prediction},
author = {Heng Zhai and Jilin Mei and Chen Min and Liang Chen and Fangzhou Zhao and Yu Hu},
journal= {arXiv preprint arXiv:2410.15792},
year = {2024}
}