SelfOcc: 自监督视觉基础的3D占用预测
项目介绍
SelfOcc是一个自监督的视觉基础3D占用预测项目,旨在通过仅使用视频序列来学习3D占用。该项目由Yuanhui Huang、Wenzhao Zheng、Borui Zhang、Jie Zhou和Jiwen Lu等人开发,并在CVPR 2024上发表。SelfOcc通过将图像转换到3D空间(如鸟瞰图)来获取场景的3D表示,并通过将这些3D表示视为带符号距离场(SDFs)来直接施加约束。然后,它使用先前和未来帧的2D图像作为自监督信号来学习3D表示。SelfOcc在SemanticKITTI和nuScenes数据集上表现优异,是首个能够在没有3D监督的情况下生成合理3D占用结果的自监督方法。
项目快速启动
安装
首先,克隆项目仓库:
git clone https://github.com/huang-yh/SelfOcc.git
cd SelfOcc
安装所需的依赖项:
pip install -r requirements.txt
数据准备
按照项目文档中的详细说明准备数据集。可以使用以下命令同步数据:
python synchronize_data.py
训练模型
使用以下命令开始训练模型:
python train.py --py-config config/nuscenes/nuscenes_occ.py --work-dir out/nuscenes/occ_train --depth-metric
模型评估
训练完成后,使用以下命令评估模型:
python eval_iou.py --py-config config/nuscenes/nuscenes_occ.py --work-dir out/nuscenes/occ --resume-from out/nuscenes/occ/model_state_dict.pth --occ3d --resolution 0.4 --sem --use-mask --scene-size 4
应用案例和最佳实践
3D占用预测
SelfOcc在3D占用预测任务中表现出色,特别是在SemanticKITTI数据集上,其性能超过了之前的最佳方法SceneRF。SelfOcc能够生成高质量的3D占用预测,适用于自动驾驶等需要精确3D场景理解的领域。
新深度合成
SelfOcc在新深度合成任务中也取得了最佳结果,能够预测超出可见表面的3D结构,从而生成高质量的新深度视图。
深度估计
SelfOcc在周围和单目自监督深度估计任务中展示了竞争性能,能够成功预测薄杆和移动行人的锐利和准确深度。
典型生态项目
TPVFormer
TPVFormer是一个基于Transformer的3D占用预测模型,与SelfOcc有相似的应用场景,可以作为SelfOcc的补充或替代方案。
PointOcc
PointOcc是一个基于点的3D占用预测模型,适用于需要高精度点云处理的场景,可以与SelfOcc结合使用以提高整体性能。
SurroundOcc
SurroundOcc是一个专注于周围视图的3D占用预测模型,适用于需要全方位视角的自动驾驶应用,可以与SelfOcc协同工作以提供更全面的3D场景理解。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









