SparseOcc, das erste vollständig spärliche Netzwerk für die 3D-Belegungsvorhersage, rekonstruiert eine spärliche 3D-Darstellung aus Kamerabildern und verwendet dann spärliche Abfragen, um die semantische/instanzbasierte Belegung vorherzusagen, ohne auf zeitaufwendige dichte Funktionen oder globale Aufmerksamkeit zurückgreifen zu müssen.
Das vorgeschlagene S2TPVFormer-Modell nutzt einen neuartigen Mechanismus für die zeitliche Aufmerksamkeit, um eine zeitlich kohärente und detaillierte 3D-Szenenwahrnehmung zu erreichen.
OccNeRF ermöglicht die Vorhersage von 3D-Belegungsfeldern ohne Verwendung von LiDAR-Daten, indem es parameterisierte Koordinaten und zeitliche photometrische Konsistenz nutzt, um die Geometrie und Semantik der Umgebung zu rekonstruieren.