EmbodiedOcc-ScanNet
PulseAugur coverage of EmbodiedOcc-ScanNet — every cluster mentioning EmbodiedOcc-ScanNet across labs, papers, and developer communities, ranked by signal.
-
VEOcc++框架通过统一的在线和离线精炼推进语义占用映射
研究人员推出了一种新颖的语义占用映射框架VEOcc++,该框架集成了探索过程中的在线增量映射和用于改进场景理解的离线精炼。这种统一的体素中心方法利用持久稀疏体素特征图,在探索过程中扩展地图到新区域并对齐局部特征,同时还允许在探索后使用缓存特征进行多尺度空间精炼。VEOcc++在EmbodiedOcc-ScanNet基准测试中展示了最先进的性能,在在线增量映射的IoU和mIoU方面取得了显著改进,并通过离线精炼进一步增强了完成后的地图。…
-
HKUST(GZ) 发布用于机器人的无训练3D映射系统
香港科技大学(广州)和穆罕默德·本·扎耶德人工智能大学的研究人员开发了FreeOcc,一个用于3D环境中语义占用预测的新颖系统。该系统独特之处在于它无需任何预先训练即可运行,仅使用单目或RGB-D图像序列实时构建全局一致的、开放词汇的3D占用图。FreeOcc解决了现有方法过度依赖大量标记数据且难以泛化到新环境的局限性,为具身AI代理带来了重大进展。
-
VEOcc框架推动在线3D占用预测
研究人员推出了一种新颖的体素中心框架VEOcc,用于在线3D占用预测和建图。该系统能够即时增量构建密集的空间表示,克服了之前以高斯为中心的模型在边界保真度方面遇到的困难以及需要预定义场景大小先验的限制。VEOcc采用递归感知-同化范式,无需初始尺度估计即可实现开放式地图扩展,并利用时空感知在线更新策略进行鲁棒的时间观测聚合。
-
FreeOcc框架提供无需训练的视觉数据3D占用预测
研究人员开发了FreeOcc,一种新颖的开放词汇占用预测框架,无需任何先验训练或3D标注。该系统处理单目或RGB-D图像序列以构建全局一致的占用图。FreeOcc利用SLAM骨干网络进行姿态估计,高斯更新进行密集映射,并整合来自视觉-语言模型的语义来实现其预测。