自动驾驶

From Binary to Semantic: Utilizing Large-Scale Binary Occupancy Data for 3D Semantic Occupancy Prediction

从二元到语义：利用大规模二元占用数据进行3D语义占用预测

Chihiro Noguchi, Takaki Yamamoto

机构 * InfoTech, Toyota Motor Corporation（丰田汽车公司信息科技部） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；autonomous driving(abstract)；LiDAR(abstract)；分类 cs.CV、eess.IV

AI总结 本文提出一种基于二元占用数据的框架，通过预训练和自动标注方法提升3D语义占用预测的性能。

Comments Accepted to ICCV Workshop 2025

HyGE-Occ: Hybrid View-Transformation with 3D Gaussian and Edge Priors for 3D Panoptic Occupancy Prediction

HyGE-Occ: 基于3D高斯和边缘先验的混合视图变换用于3D全景占用预测

Jong Wook Kim, Wonseok Roh, Ha Dam Baek, Pilhyeon Lee, Jonghyun Choi, Sangpil Kim

机构 * Korea University（韩国大学） ； Hyundai Motor Company（现代汽车公司） ； Inha University（inha大学） 纠错

专题命中 BEV与占用 ：occupancy(title,abstract)；BEV(abstract)；分类 cs.CV

AI总结 HyGE-Occ通过结合3D高斯和边缘先验的混合视图变换，提升3D全景占用预测的几何一致性和边界意识，实现更精确的3D场景重建。

Comments 11 pages, 6 figures

UniMPR: A Unified Framework for Multimodal Place Recognition with Heterogeneous Sensor Configurations

UniMPR: 一种用于异构传感器配置的多模态地点识别统一框架

Zhangshuo Qi, Jingyi Xu, Luqi Cheng, Shichen Wen, Yiming Ma, Guangming Xiong

机构 * Beijing Institute of Technology（北京理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； The University of New South Wales（新南威尔士大学） 纠错

专题命中 BEV与占用 ：BEV(abstract)；LiDAR(abstract)；分类 cs.CV

AI总结 UniMPR提出了一种统一框架，能够适应多种异构传感器配置，通过极坐标BEV特征空间和多分支网络实现多模态地点识别的高效与鲁棒性。

Comments 14 pages, 9 figures