以下內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# CVPR2023 自動(dòng)駕駛3D-Occupancy-Prediction挑戰(zhàn)賽|NVIDIA與南京大學(xué)等聯(lián)合第一名解決方案

FB-OCC：基于前后視變換的3D占有率預(yù)測(cè)

【FB-OCC: 3D Occupancy Prediction based on Forward-Backward View Transformation】

文章鏈接：

https://opendrivelab.com/e2ead/AD23Challenge/Track_3_NVOCC.pdf

比賽主頁(yè)：

https://github.com/CVPR2023-3D-Occupancy-Prediction/CVPR2023-3D-Occupancy-Prediction

比賽詳情：

https://eval.ai/web/challenges/challenge-page/2045/leaderboard/4838

#開(kāi)源# 代碼倉(cāng)庫(kù)（待更新）：FB-BEVfigsatmainNVlabsFB-BEVGitHub

本技術(shù)報(bào)告總結(jié)了3D占據(jù)預(yù)測(cè)挑戰(zhàn)賽的獲勝解決方案，該挑戰(zhàn)賽與CVPR 2023自動(dòng)駕駛端到端研討會(huì)和CVPR23視覺(jué)中心自動(dòng)駕駛研討會(huì)同時(shí)舉辦。本文提出的解決方案FB-OCC基于FB-BEV，這是一種前沿的基于視覺(jué)的3D目標(biāo)檢測(cè)方法?；贔B-BEV，本文研究了針對(duì)3D占據(jù)預(yù)測(cè)任務(wù)的新設(shè)計(jì)和優(yōu)化方法，包括聯(lián)合深度-語(yǔ)義預(yù)訓(xùn)練、聯(lián)合體素-BEV表示、模型擴(kuò)展和有效的后處理策略。通過(guò)這些設(shè)計(jì)和優(yōu)化，在nu Scenes數(shù)據(jù)集上的mIoU值達(dá)到了54.19 %，在挑戰(zhàn)賽中排名第一。

以上內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容以上內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容