Réseau D'occupation

Occupancy Network est une nouvelle représentation pour les méthodes de reconstruction 3D basées sur l'apprentissage. Ce concept a été proposé pour la première fois en 2018 dans l’article «Réseaux d'occupation : apprentissage de la reconstruction 3D dans l'espace fonctionnel", qui a été accepté par CVPR 2019.

L'idée principale d'Occupancy Network est d'obtenir une représentation spatiale 3D simple en prédisant la probabilité d'occupation dans l'espace 3D. Au lieu de s’appuyer sur la détection d’objets 3D traditionnelle, cette approche divise le monde en minuscules cubes, ou voxels, et prédit si chaque voxel est libre ou occupé. Cela permet au réseau d'occupation de fonctionner à plus de 100 FPS, d'être extrêmement efficace en termes de mémoire et de comprendre les objets en mouvement et statiques.

Tesla a présenté le concept de réseau d'occupation au CVPR 2022 et au Tesla AI Day, et a démontré son application dans les systèmes de perception. La structure du modèle de réseau d'occupation de Tesla comprend l'extraction de caractéristiques à partir d'images provenant de plusieurs perspectives, puis la prédiction de l'occupation via des modules d'attention et des transformateurs, et enfin la production du volume d'occupation de l'espace 3D et du flux d'occupation.

De plus, Occupancy Network est combiné à la technologie Neural Radiance Field (NeRF) pour vérifier si la scène 3D prédite correspond à la scène réelle en comparant le volume 3D généré par Occupancy Network avec la scène 3D reconstruite produite par NeRF. Cette méthode permet de résoudre des problèmes environnementaux complexes tels que l’occlusion, le flou de l’image, la pluie et le brouillard.

Dans le domaine de la conduite autonome, Occupancy Network offre une nouvelle perspective pour gérer les tâches de perception, en montrant notamment ses avantages uniques lorsqu'il s'agit de faire face à des obstacles à longue traîne et à des objets de catégories inconnues. À mesure que la technologie continue de se développer, le réseau d’occupation devrait devenir un élément indispensable des systèmes de perception de conduite autonome.