論文の概要: OccAny: Generalized Unconstrained Urban 3D Occupancy

• arxiv url: http://arxiv.org/abs/2603.23502v1
• Date: Tue, 24 Mar 2026 17:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.636574
• Title: OccAny: Generalized Unconstrained Urban 3D Occupancy
• Title（参考訳）: OccAny: 都市部における非拘束型3D作業の一般化
• Authors: Anh-Quan Cao, Tuan-Hung Vu,
• Abstract要約: オックアニー(OccAny)は、最初の非拘束型都市3D占有モデルである。 OccAnyは、シーケンシャル、モノクラー、サラウンドビューの画像から占有率を予測するために多用途である。
• 参考スコア（独自算出の注目度）: 11.937212229169512
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Relying on in-domain annotations and precise sensor-rig priors, existing 3D occupancy prediction methods are limited in both scalability and out-of-domain generalization. While recent visual geometry foundation models exhibit strong generalization capabilities, they were mainly designed for general purposes and lack one or more key ingredients required for urban occupancy prediction, namely metric prediction, geometry completion in cluttered scenes and adaptation to urban scenarios. We address this gap and present OccAny, the first unconstrained urban 3D occupancy model capable of operating on out-of-domain uncalibrated scenes to predict and complete metric occupancy coupled with segmentation features. OccAny is versatile and can predict occupancy from sequential, monocular, or surround-view images. Our contributions are three-fold: (i) we propose the first generalized 3D occupancy framework with (ii) Segmentation Forcing that improves occupancy quality while enabling mask-level prediction, and (iii) a Novel View Rendering pipeline that infers novel-view geometry to enable test-time view augmentation for geometry completion. Extensive experiments demonstrate that OccAny outperforms all visual geometry baselines on 3D occupancy prediction task, while remaining competitive with in-domain self-supervised methods across three input settings on two established urban occupancy prediction datasets. Our code is available at https://github.com/valeoai/OccAny .
• Abstract（参考訳）: 既存の3D占有率予測手法は、ドメイン内アノテーションと正確なセンサーリグの事前情報に基づいて、拡張性とドメイン外一般化の両方において制限されている。 最近の視覚幾何学基礎モデルは強力な一般化能力を示すが、それらは主に一般目的のために設計されており、都市占領予測に必要な1つ以上の重要な要素、すなわち計量予測、散在するシーンにおける幾何学的完成、都市シナリオへの適応が欠如している。 OccAnyは、領域外領域の未校正シーンを動作させ、セグメンテーション機能と組み合わせてメートル法占有を予測し、完備することのできる、最初の制約のない都市3D占有モデルである。 OccAnyは汎用的で、シーケンシャル、モノクラー、サラウンドビューの画像から占有率を予測することができる。 私たちの貢献は3倍です。 (i)最初の一般化された3D占有機構を提案する。 二 マスクレベルの予測を可能にしつつ、占有品質を向上させる分別強制力及び (iii)新しいビューレンダリングパイプラインで、新しいビュー幾何を推論し、ジオメトリ完成のためのテストタイムビュー拡張を可能にする。 大規模な実験により,OccAnyは3次元占有予測タスクにおいて,すべての視覚的ジオメトリのベースラインを上回りながら,確立した2つの都市占有予測データセット上での3つの入力設定におけるドメイン内自己監督手法との競争力を保っていることが示された。 私たちのコードはhttps://github.com/valeoai/OccAnyで利用可能です。

関連論文リスト

• Lightweight Spatial Embedding for Vision-based 3D Occupancy Prediction [37.8001844396061]
  LightOccは、軽量空間埋め込みを利用する革新的な3D占有予測フレームワークである。 LightOccはベースラインの予測精度を大幅に向上させ、Occ3D-nuScenesベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-12-08T15:49:35Z)
• EmbodiedOcc: Embodied 3D Occupancy Prediction for Vision-based Online Scene Understanding [72.96388875744704]
  3D占有予測は周囲のシーンを包括的に記述する。 既存のほとんどのメソッドは、1つか数つのビューからのオフラインの認識に焦点を当てている。 具体化された3次元占有予測タスクを定式化し,ガウスをベースとしたEmbodiedOccフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-05T17:57:09Z)
• WildOcc: A Benchmark for Off-Road 3D Semantic Occupancy Prediction [9.639795825672023]
  オフロード環境は幾何学的情報に富んでいるため、3Dセマンティック占有予測タスクに適している。 オフロード3Dセマンティック占有予測タスクに密接な占有アノテーションを提供する最初のベンチマークであるWildOccを紹介する。 本稿では, より現実的な結果を得るために, 粗大な再構成を用いた基礎的真理生成パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-10-21T09:02:40Z)
• Scene as Occupancy [66.43673774733307]
  OccNetは、カスケードと時間ボクセルデコーダを備えたビジョン中心のパイプラインで、3D占有を再構築する。 nuScenes上に構築された最初の高密度3D占有率ベンチマークであるOpenOccを提案する。
  論文  参考訳（メタデータ） (2023-06-05T13:01:38Z)
• Occ3D: A Large-Scale 3D Occupancy Prediction Benchmark for Autonomous Driving [34.368848580725576]
  我々は,任意のシーンに対して,濃密で可視性に配慮したラベルを生成するラベル生成パイプラインを開発した。 このパイプラインは、ボクセルの密度化、推論、画像誘導ボクセル精製の3段階からなる。 我々は、Occ3Dベンチマークにおいて優れた性能を示すCTF-Occネットワークと呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2023-04-27T17:40:08Z)
• 3DGazeNet: Generalizing Gaze Estimation with Weak-Supervision from Synthetic Views [67.00931529296788]
  本稿では,適応を伴わない新しい環境に直接適用可能な一般的な視線推定モデルを訓練することを提案する。 視覚的擬似アノテーションを用いた多彩な顔の大規模データセットを作成し、シーンの3次元形状に基づいて抽出する。 本研究では,本手法を視線一般化タスクにおいて検証し,真理データが得られない場合の最先端技術と比較して最大30%の改善を実証する。
  論文  参考訳（メタデータ） (2022-12-06T14:15:17Z)
• 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure Prior [50.73148041205675]
  セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。 低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。 提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
  論文  参考訳（メタデータ） (2020-03-31T09:33:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。