文章目录
- 需要阅读的文献：
- github论文仓库
- 论文idea提取
- BEVFormer
需要阅读的文献：
⭐[ECCV 2024] SparseOcc 纯稀疏3D占用网络和 RayIoU 评估指标
ECCV 2024｜OSP：自动驾驶全新建模方法，端到端输出任意位置的占用结果
SparseOcc纯稀疏占用网络论文笔记（南大/上海AI LAB）
3D Occupancy 探索V1.0 - T-MAC的文章 - 知乎
最新综述！一览Occ与自动驾驶的前世今生，首篇综述全面汇总特征增强/量产部署/高效标注三大主题
COTR:CompactOccupancyTRansformerforVision-based3DOccupancy Prediction
github论文仓库
综述 Awesome-3D-Occupancy-Prediction
Awesome-occupancy-perception
Awesome-Occupancy-Prediction-Autonomous-Driving
课程OccNet-Course
论文idea提取
BEVFormer
(ECCV 2022)BEVFormer： 通过提取环视相机采集到的图像特征，并将提取的环视特征通过模型学习的方式转换到 BEV 空间（模型去学习如何将特征从 图像坐标系转换到 BEV 坐标系），从而实现 3D 目标检测和地图分割任务
