Tag · 7 篇

语义场景补全

分布 3D 视觉与重建6数据集与评测1

TGSFormer: Scalable Temporal Gaussian Splatting for Embodied Semantic Scene Completion

用持久化的高斯记忆加置信度感知的跨注意力做时序融合，替代依赖帧缓存与图像一致性的做法，可复用到任何需要在线增量重建、且场景尺度无界的具身感知或流式建图任务中。

Sparsity-Aware Voxel Attention and Foreground Modulation for 3D Semantic Scene Completion

用共享 dummy 节点跳过空体素、只对占用体素做可变形注意力，是单目 3D 重建中处理 >93% 空体素的高效注意力设计，可直接迁移到 NeRF/体素/占据预测类任务；Foreground Dropout 与文本引导图像滤波为长尾语义类别提供了一种免重采样的调制思路。

OneOcc: Semantic Occupancy Prediction for Legged Robots with a Single Panoramic Camera

针对腿足/人形机器人平台，提出仅用单个全景相机进行360°语义占用预测的框架，其双投影融合、双网格体素化和步态位移补偿模块可被复用于其他存在剧烈抖动的移动平台的全景3D感知任务。

OccuFly: A 3D Vision Benchmark for Semantic Scene Completion from the Aerial Perspective

提供了首个真实世界、基于相机的航空视角语义场景补全基准，并揭示了当前视觉基础模型在航空场景下的根本性局限，为鲁棒3D场景理解研究提供了新挑战和评测平台。

Multi-modal Frequency Decomposition Network for Semantic Scene Completion

针对 RGB-D 语义场景补全中的多模态对齐问题，提出频率分解与全局到局部的对齐范式，可复用于其他多模态融合任务（如深度补全、3D 检测）的特征对齐与细节保留。

Learning Spatial-Temporal Consistency for 3D Semantic Scene Completion

把历史帧提升到 3D 场景级占用框架、在时序缓冲中按 2D 可见性与相似性聚合特征，这一思路可直接迁移到任何需要跨帧补全遮挡区域的体素/占用预测任务（如 3D 检测、占据预测）。

AdaSFormer: Adaptive Serialized Transformers for Monocular Semantic Scene Completion from Indoor Environments

面向室内单目语义场景补全，用可学习偏移的自适应序列化 Transformer 动态调整感受野，并用中心相对位置编码与卷积调制 LayerNorm 融合卷积与 Transformer 特征，可直接迁移到其他需要从单张图恢复稠密三维语义的室内重建任务。