自动驾驶中用于 3D 占用预测的基于扩散的生成模型

从视觉输入准确预测3D占用栅格对于自动驾驶至关重要，但当前判别式方法在处理噪声数据、不完整观测以及3D场景固有的复杂结构时面临困难。在这项工作中，我们将3D占用预测重新定义为一个生成建模任务，利用扩散模型学习底层数据分布并融入3D场景先验知识。这种方法增强了预测一致性、噪声鲁棒性，并更好地处理3D空间结构的复杂性。我们的大量实验表明，基于扩散的生成模型优于最先进的判别式方法，提供了更真实、更准确的占用预测，尤其是在遮挡或低能见度区域。此外，改进的预测显著有利于下游规划任务，凸显了我们方法在实际自动驾驶应用中的实用优势。