研究人员开发了YouTube-Occ，一种从互联网视频预测3D语义占用的新方法，解决了标注3D室内数据稀缺的问题。该系统利用一个处理原始网络视频的流水线来估计相机几何、重建点云，并使用基础模型生成语义伪标签。为了提高性能，引入了一个具有双重对齐策略的预训练框架，包括用于3D到2D特征匹配的帧内对齐和用于语义一致性的跨场景对齐。这种方法在NYUv2和Occ-ScanNet基准测试中，尤其是在低数据场景下，展示了持续的性能提升。 AI
影响 能够从易于获取的在线视频数据中实现更鲁棒的3D场景理解。
排序理由 该条目是arXiv预印本，详细介绍了一种新的3D语义占用预测方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
