UniOcc: A Unified Benchmark for Occupancy Forecasting and Prediction in Autonomous Driving

要約

UNIOCCは、カメラ画像からの占有予測（つまり、歴史的情報に基づいて将来の占有を予測する）と現在の枠組み予測のための包括的で統一されたベンチマークを紹介します。
UnioCCは、複数の現実世界のデータセット（すなわち、ヌスケン、Waymo）および高忠実度の運転シミュレータ（つまり、カーラ、openCood）からのデータを統合します。
評価に関しては、評価のために最適ではない擬似ラベルに依存する既存の研究とは異なり、UNIOCCには、地面の真実の占有に依存しない新しいメトリックが組み込まれ、占有品質の追加の側面の堅牢な評価を可能にします。
最先端のモデルに関する広範な実験を通じて、大規模で多様なトレーニングデータと明示的なフロー情報が占有予測と予測パフォーマンスを大幅に向上させることを実証します。

要約(オリジナル)

We introduce UniOcc, a comprehensive, unified benchmark for occupancy forecasting (i.e., predicting future occupancies based on historical information) and current-frame occupancy prediction from camera images. UniOcc unifies data from multiple real-world datasets (i.e., nuScenes, Waymo) and high-fidelity driving simulators (i.e., CARLA, OpenCOOD), which provides 2D/3D occupancy labels with per-voxel flow annotations and support for cooperative autonomous driving. In terms of evaluation, unlike existing studies that rely on suboptimal pseudo labels for evaluation, UniOcc incorporates novel metrics that do not depend on ground-truth occupancy, enabling robust assessment of additional aspects of occupancy quality. Through extensive experiments on state-of-the-art models, we demonstrate that large-scale, diverse training data and explicit flow information significantly enhance occupancy prediction and forecasting performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google