研究人员推出了一种新颖的框架 DeGO，用于通过解耦刚性和非刚性运动来理解动态3D环境。该方法利用可变形高斯占用和分解的4D基础模型蒸馏，借鉴 VGGT 基础模型的知识来提高时间一致性。在 Occ3D-NuScenes 基准测试上的实验表明，DeGO 在弱监督下取得了最先进的成果，在以人为中心的实例上取得了显著的进步。 AI
影响 增强对动态3D环境的理解，应用于自动驾驶等领域。
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.28587v1 Announce Type: new Abstract: Understanding dynamic 3D environments is essential for safe autonomous driving, particularly when reasoning about human-centric, nonrigid agents. However, existing weakly supervised occupancy prediction frameworks predominantly assu…
Understanding dynamic 3D environments is essential for safe autonomous driving, particularly when reasoning about human-centric, nonrigid agents. However, existing weakly supervised occupancy prediction frameworks predominantly assume rigid-body motion and rely on simple frame-to…