北京大学与长安汽车联合发布TEOcc: 时域增强的多模态占据预测

主要观点总结

本文介绍了一种雷达-摄像头多模态时域增强占据预测网络TEOcc，该网络针对自动驾驶领域的3D占据预测任务。文章指出现有占据预测方法主要关注更好的占据表示形式，而忽视了利用长时段信息的优势。因此，本文提出了一个时域增强分支，通过引入长时和短时时域解码器来利用时域信息预测占据。该网络结构包括整体架构、时域增强分支、雷达-摄像头融合、训练与推理等方面的详细设计。实验结果表明，TEOcc在nuScenes基准测试中实现了最先进的占据预测性能。此外，文章还进行了消融实验，验证了所提模块的有效性。

关键观点总结

关键观点1: 研究背景

现有占据预测方法主要关注更好的占据表示形式，而忽视了利用长时段信息的优势。

关键观点2: 主要贡献

提出了雷达-摄像头多模态时域增强占据预测网络TEOcc，该网络在自动驾驶领域的3D占据预测任务中实现了先进性能。

关键观点3: 网络设计

网络包括整体架构、时域增强分支、雷达-摄像头融合、训练与推理等方面的详细设计。

关键观点4: 实验结果

TEOcc在nuScenes基准测试中实现了最先进的占据预测性能，并通过消融实验验证了所提模块的有效性。