在表1中，我们展示了在Occ3D-Waymo验证集上的3D占据预测评估结果。为了确保公平比较，所有方法均使用相同的网络架构和训练策略。通过比较表1中的“BEVFormer-w/o TSA”和时间融合方法，所有时间融合方法的mIoU均高于“BEVFormer-w/o TSA”。这表明时间融合在3D占据预测任务中起着至关重要的作用。保持一致的帧规范...
开发了一个严格的占用预测标签生成pipeline,构建了两个具有挑战性的数据集(Occ3D Waymo和Occ3D nuScenes),并建立了一个基准和评估指标,以促进未来的研究。 提出了一种新的CTF-Occ网络,该网络具有出色的占用预测性能,对于这项具有挑战性的任务,CTF-Occ在Occ3D Waymo上的性能比基线高3.1 mIoU。 两个构建数据集的数...