Tag · 12 篇
占用预测
测试时三维占用预测
Test-Time 3D Occupancy Prediction
利用视觉基础模型在测试时增量构建并优化3D高斯，再体素化为任意分辨率的占用预测，无需训练即可实现开放词表识别，为动态场景理解提供免训练、可适配的3D表示方案。
空间检索增强的自动驾驶
Spatial Retrieval Augmented Autonomous Driving
把离线检索的地理图像作为额外输入模态，与车载传感器特征对齐融合，为遮挡、暗光、雨雾等感知退化场景提供先验；做自动驾驶感知/规划的研究者可以把它当作即插即用的额外输入分支，或直接使用其扩展的 nuScenes 基准来评测跨模态融合。
SparseWorld-TC：轨迹条件稀疏占用世界模型
SparseWorld-TC: Trajectory-Conditioned Sparse Occupancy World Model
用稀疏占用表示替代鸟瞰图投影与离散 VAE token，直接在原始图像特征上端到端预测多帧未来占用，并以任意未来轨迹作为条件；做自动驾驶场景预测或占用世界模型时，可借鉴其绕过 BEV 几何先验、保留连续表征的思路。
ShelfOcc：超越激光雷达的原生三维监督用于基于视觉的占用估计
ShelfOcc: Native 3D Supervision beyond LiDAR for Vision-Based Occupancy Estimation
把视觉三维几何基础模型的输出经跨帧静态几何累积与动态内容剔除，蒸馏成度量一致的语义体素伪标签，可直接替换现有占用模型的 LiDAR 监督信号，为无 LiDAR 的三维场景理解提供可复用的数据侧监督管线。
QueryOcc：面向 3D 语义占用的查询式自监督
QueryOcc: Query-based Self-Supervision for 3D Semantic Occupancy
用跨相邻帧采样的 4D 时空查询直接对连续 3D 占用做自监督，配合收缩式场景表示在恒定显存下覆盖远距离区域，可替代基于 2D 渲染一致性或离散体素的监督方式，用于相机/激光雷达输入的占用学习。
OccAny：广义无约束城市三维占用
OccAny: Generalized Unconstrained Urban 3D Occupancy
OccAny 将视觉几何基础模型适配到城市场景的度量占用预测，并引入分割强制和新视角渲染实现测试时视图增强，为无标定场景下的三维占用补全提供了可复用的框架。
GenieDrive：面向物理感知驾驶世界模型的4D占用引导视频生成
GenieDrive: Towards Physics-Aware Driving World Model with 4D Occupancy Guided Video Generation
将4D占用作为物理先验引导视频扩散生成，并设计潜变量三平面VAE压缩高分辨率占用，为自动驾驶世界模型提供可复用的物理感知生成框架。
将视觉几何先验泛化到稀疏高斯占用预测
Generalizing Visual Geometry Priors to Sparse Gaussian Occupancy Prediction
把 VGGT 这类可泛化视觉几何模型输出的表面点沿相机射线向内扩展成体素采样，并用高斯原语做概率化占用推断，为单目/流式占用预测提供了一条不依赖体素密集监督、可直接复用几何基础模型先验的路线。
Gau-Occ：几何补全高斯用于多模态三维占用预测
Gau-Occ: Geometry-Completed Gaussians for Multi-Modal 3D Occupancy Prediction
将场景表示为语义三维高斯锚框，用锚框引导的二维采样与跨模态对齐替代稠密体素融合，为视觉-激光雷达融合的占用预测提供了轻量化的几何引导方案。
DrivePI：面向统一自动驾驶理解、感知、预测与规划的空间感知 4D 多模态大语言模型
DrivePI: Spatial-aware 4D MLLM for Unified Autonomous Driving Understanding, Perception, Prediction and Planning
DrivePI 将点云、多视角图像与语言指令统一到单个 MLLM 中，并行输出 3D 占用、占用流与规划动作，为视觉研究者提供了一个可复用的端到端 4D 空间理解与预测框架，尤其适合探索小参数量 MLLM 在自动驾驶感知-预测-规划联合建模中的潜力。
可变形高斯占用：以因子化蒸馏解耦刚性与非刚性运动
Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation
将高斯原语的刚性与非刚性形变解耦，并用 VGGT 4D 基础模型做因子化跨相机/跨帧蒸馏，为自动驾驶占用预测中的人体等非刚性目标提供可复用的形变建模与蒸馏监督思路。
DLWM：双潜变量世界模型实现自动驾驶中全面的高斯中心预训练
DLWM: Dual Latent World Models enable Holistic Gaussian-centric Pre-training in Autonomous Driving
提出以3D语义高斯为场景表示的双潜变量世界模型预训练框架，可复用于基于高斯表示的感知与规划任务，其高斯流引导的潜变量预测思路对时序特征学习有借鉴意义。