論文の概要: CascadeOcc: Rethinking 3D Occupancy World Models with Cascaded VQ Representations

• arxiv url: http://arxiv.org/abs/2606.27644v1
• Date: Fri, 26 Jun 2026 01:43:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.349937
• Title: CascadeOcc: Rethinking 3D Occupancy World Models with Cascaded VQ Representations
• Title（参考訳）: CascadeOcc: カスケードVQ表現による3D作業世界モデルの再考
• Abstract要約: CascadeOcc(カスケードオック)は、自動運転の世界モデルである。 内在的な構造的階層を外在的な補助的モダリティよりも優先する。 CascadeOccは視覚中心のアプローチにおいて優れた性能を発揮することを示す。
• 参考スコア（独自算出の注目度）: 27.127669455054754
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This letter proposes CascadeOcc, a novel occupancy world model that prioritizes intrinsic structural hierarchy over extrinsic auxiliary modalities for autonomous driving. Occupancy world models -- forecasting the future driving environment and planning the driving trajectory -- effectively bridge perception and planning, but current approaches often heavily rely on external modalities or large language models, failing to fully exploit the inherent structural potential of occupancy representations themselves. To enhance representational capacity for complex 3D scenes, we integrate a cascaded Vector Quantized (VQ) mechanism into an autoregressive framework. Following a coarse-to-fine principle, CascadeOcc progressively refines fine-grained details from global structures through a multi-scale architecture. Additionally, we incorporate a TimeMixer to capture multi-scale temporal dependencies, establishing a dual-hierarchy mechanism in both space and time. Experimental results on 4D occupancy forecasting and motion planning benchmarks demonstrate that CascadeOcc achieves superior performance among vision-centric approaches, validating that optimizing inherent representations is a powerful alternative to relying on external foundation models.
• Abstract（参考訳）: 本論文は,自律運転における外在的補助モーダル性よりも内在的構造的階層を優先する,新たな占有世界モデルであるCascadeOccを提案する。 活動の世界モデル -- 将来の運転環境を予測し、運転軌道を計画する -- は、知覚と計画を効果的に橋渡しするが、現在のアプローチは、しばしば外部のモダリティや大きな言語モデルに大きく依存する。 複雑な3Dシーンの表現能力を高めるために,ケースケードベクター量子化(VQ)機構を自動回帰フレームワークに統合する。 粗大な原理に従い、カスケードオックは多スケールアーキテクチャを通して、グローバルな構造から細かな詳細を徐々に洗練する。 さらに、TimeMixerを組み込んで、マルチスケールの時間的依存関係をキャプチャし、空間と時間の両方で二重階層機構を確立する。 4次元占有予測と運動計画ベンチマークの実験結果から、CascadeOccは視覚中心のアプローチにおいて優れた性能を達成し、固有表現の最適化が外部基盤モデルに依存する強力な代替手段であることを示す。

関連論文リスト

• NavWM: A Unified Navigation World Model for Foresight-Driven Planning [15.801647085785826]
  NavWMは、潜在世界推論、マルチモーダルアクション予測、制御可能な視覚生成をシームレスに統合する統合ナビゲーションワールドモデルである。 決定論的なポリシーの限界を克服するために、我々はアンカーベースのマルチモーダル軌道予測フレームワークを導入する。 多様なデータセットにわたる実験により、NavWMは最先端の技術を著しく進歩させることが示された。
  論文  参考訳（メタデータ） (2026-06-23T03:30:20Z)
• Xiaomi Auto World Model: A Joint World Model Integrating Reconstruction and Generation for Autonomous Driving [51.90209659403234]
  本報告では,世界モデルの自律運転における2つのコア機能に対処する統合技術システムを提案する。 世界表現のために,スパースシーンクエリによって駆動されるフィードフォワード再構築アーキテクチャであるWorldRecを提案する。 次世代に向けて,両方向性事前学習のための2段階のトレーニングフレームワークWorldGenを提案し,それに続いて因果微調整を行う。
  論文  参考訳（メタデータ） (2026-05-18T09:46:16Z)
• Telecom World Models: Unifying Digital Twins, Foundation Models, and Predictive Planning for 6G [60.29349053952935]
  本稿では,テレコムシステムダイナミクスの学習,行動条件,不確実性を考慮したモデリングのためのアーキテクチャであるTWM(Telecom World Model)の概念を紹介する。 本研究では,空間環境予測のためのフィールドワールドモデル,動作条件付きキーパフォーマンス指標(KPI)軌道予測のための制御/力学ワールドモデル,意図翻訳とオーケストレーションのための通信基盤モデルレイヤからなる3層アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-04-08T09:41:58Z)
• StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
  本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。 我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。 スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
  論文  参考訳（メタデータ） (2026-03-02T11:35:05Z)
• RAYNOVA: Scale-Temporal Autoregressive World Modeling in Ray Space [51.441415833480505]
  RAYNOVAは、二重因果自己回帰フレームワークを使用するシナリオを駆動するための多視点世界モデルである。 相対的なシャーカー線位置符号化に基づいて、ビュー、フレーム、スケールにまたがる等方的時間的表現を構築する。
  論文  参考訳（メタデータ） (2026-02-24T08:41:40Z)
• Causal World Modeling for Robot Control [56.31803788587547]
  ビデオワールドモデルは、アクションと視覚力学の因果関係を理解することによって、近い将来に想像できる能力を提供する。 本稿では,フレーム予測とポリシ実行を同時に学習する自動回帰拡散フレームワークLingBot-VAを紹介する。 シミュレーションベンチマークと実世界のシナリオの両方でモデルを評価したところ、長距離操作、ポストトレーニングにおけるデータ効率、新しい構成への強力な一般化性などに大きな可能性を示唆している。
  論文  参考訳（メタデータ） (2026-01-29T17:07:43Z)
• An Efficient and Multi-Modal Navigation System with One-Step World Model [11.582535121562247]
  現在のナビゲーションワールドモデルは、多段階拡散プロセスと自動回帰フレーム・バイ・フレーム生成に依存している。 本稿では,効率的な空間的注意力を備えたワンステップ生成パラダイムと3次元U-Netバックボーンを提案する。 この設計は、推論遅延を大幅に低減し、予測性能を向上しつつ、高周波制御を可能にする。
  論文  参考訳（メタデータ） (2026-01-18T06:29:56Z)
• SparseWorld-TC: Trajectory-Conditioned Sparse Occupancy World Model [27.54931639768958]
  本稿では, これからの3Dシーン占有状況の軌跡条件予測のための新しいアーキテクチャを提案する。 GPTやVGGTのような基本的な視覚や言語モデルにおける注意に基づくトランスフォーマーアーキテクチャにインスパイアされた我々は、中間的な鳥の視線(BEV)投影と、その明示的な幾何学的先行をバイパスする疎密な占有表現を採用した。 離散トークン化の有限容量制約とBEV表現の構造的制約の両方を回避し、1-3秒の占有予測のためのnuScenesベンチマークにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-11-27T02:48:45Z)
• CUS-GS: A Compact Unified Structured Gaussian Splatting Framework for Multimodal Scene Representation [16.85102888388904]
  CUS-GSはコンパクトな統一型ガウススプティング表現である。 本稿では,アンカーの生育と刈り取りをガイドするための特徴認識重要度評価戦略を提案する。 CUS-GSは6Mパラメータしか使用しない最先端の手法と比較して、競争性能が向上する。
  論文  参考訳（メタデータ） (2025-11-22T03:42:49Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)

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。