中科大 & 上海 Lab & 斯坦福提出 OccMamba，基于Mamba 的语义占用预测网络 ！

文章预览

ADAS  Laboratory 点击上方 蓝字 关注  智驾实验室           加入【 智驾实验室 】交流群， 获取更多内容和资料 训练深度学习模型进行语义占用预测具有挑战性，原因包括大量占用单元、严重的遮挡、有限的视觉线索、复杂的驾驶场景等。最近的方法通常采用基于 Transformer 的架构，因为它们在学习输入条件权重和长程关系方面具有强大的能力。 然而，基于 Transformer 的网络以其平方计算复杂性而臭名昭著，严重损害了它们在语义占用预测中的效用和部署。受到Mamba架构的整体建模和线性计算复杂性的启发，作者提出第一个基于Mamba的网络用于语义占用预测，称为OccMamba。但是，直接将Mamba架构应用到占用预测任务上会导致满意度不佳的性能，因为语义和3D领域的固有域间差距。 为了缓解这个问题，作者提出了一种简单而有效的3D到1D重排操作，即高度 ………………………………