arxiv：2403.14366v1 [cs.cv] 2024年3月21日__

arxiv：2403.14366v1 [cs.cv] 2024年3月21日

可下载资源数量

已经购买

下载数量：1

单价	0 1.0
Coupon	100% 0%
Total	0 1.0

点击下载点击购买并下载

点击购买，资源将自动在新窗口打开.

机构名称：

arxiv：2403.14366v1 [cs.cv] 2024年3月21日

¥ 1.0

热度

以视觉为中心的3D环境理解既是VILA的，又对自动驾驶系统充满挑战。依据，无对象的方法吸引了相当大的意义。通过预测离散体素电网的语义，但无法构建连续，准确的障碍物表面，就可以感知世界。为此，在本文中，我们提议围绕着axtingsdf，以隐式预测周围图像的连续感知的签名距离场（SDF）和语义场。具体来说，我们介绍了一种基于查询的方法，并利用了由Eikonal配方构成的SDF来准确描述障碍物的表面。此外，考虑到缺乏精确的SDF地面真相，我们提出了一个新颖的SDF监督范式，被称为三明治艾科尼尔配方，强调在表面的两边都适用于正确且密集的约束，从而增强了表面上的精度。实验表明，我们的方法可以在Nuscenes数据集上用于占用预测和3D场景重建任务的SOTA。

添加pdf代下载 VIP点击下载文件