具有各向异性感知采样的渐进式高斯 Transformer，用于开放词汇量占用预测

三维占用预测任务近年来取得了显著进展，在基于视觉的自动驾驶系统中发挥着至关重要的作用。虽然传统方法仅限于固定的语义类别，但最近的方法已转向预测文本对齐的特征，以便在真实场景中实现开放词汇文本查询。然而，在文本对齐场景建模中存在一个权衡：稀疏高斯表示难以捕捉场景中的小物体，而密集表示会产生显著的计算开销。为了解决这些限制，我们提出了PG-Occ，一个创新的渐进式高斯Transformer框架，能够实现开放词汇三维占用预测。我们的框架采用渐进式在线致密化，这是一种前馈策略，可以逐步增强三维高斯表示，以捕捉细粒度的场景细节。通过迭代增强表示，该框架实现了越来越精确和详细的场景理解。另一个关键贡献是引入了具有时空融合的各向异性感知采样策略，该策略自适应地为不同尺度和阶段的高斯分配感受野，从而实现更有效的特征聚合和更丰富场景信息的捕获。通过广泛的评估，我们证明PG-Occ取得了最先进的性能，比之前表现最好的方法平均提高了14.3%的mIoU。代码和预训练模型将在发布后在我们的项目页面上提供：https://yanchi-3dv.github.io/PG-Occ