本研究提出了一种新方法LeC$^2$O-NeRF，用于在大规模城市场景中学习连续紧凑的大规模占用网络。该方法通过引入不平衡占用损失和架构，提高了占用信息的紧凑性和准确性，并加速了NeRF的训练过程。

LeC$^2$O-NeRF: Learning Continuous and Compact Large-Scale Occupancy Networks for Urban Scenes
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证