SelfOcc: 自监督视觉 3D 占据预测
原文中文,约400字,阅读约需1分钟。发表于: 。本文提出了一种自监督学习方法 SelfOcc,使用视频序列仅学习 3D 占用情况,通过将图像转换为 3D 空间来得到 3D 场景表示,并利用自监督信号优化这些表示。SelfOcc 在 SemanticKITTI 和 Occ3D 上使用单帧输入相比之前最佳方法 SceneRF 提高 58.7%,并且是首个在 Occ3D 上为周围摄像头产生合理的 3D 占用情况的自监督工作。SelfOcc 在...
本文提出了一种自监督学习方法SelfOcc,通过视频序列学习3D占用情况,将图像转换为3D空间得到3D场景表示,并利用自监督信号优化表示。SelfOcc在SemanticKITTI和Occ3D上相比之前最佳方法提高58.7%,是首个在Occ3D上为周围摄像头产生合理的3D占用情况的自监督工作。SelfOcc在SemanticKITTI、KITTI-2015和nuScenes上达到最先进的结果,实现了高质量的深度估计。