可变形高斯占用：通过分解蒸馏解耦刚性和非刚性运动

摘要

了解动态 3D 环境对于安全自动驾驶至关重要，尤其是在推理以人为中心的非刚性代理时。然而，现有的弱监督占用预测框架主要假设刚体运动并依赖于简单的帧到帧偏移，限制了它们捕获细粒度变形和保持时间相干性的能力。为了解决这个问题，我们提出了 DeGO，一种可变形高斯占用框架，它将解耦高斯变形与分解 4D 基础模型蒸馏结合起来。 DeGO 解开了刚性和非刚性运动，使每个高斯基元能够通过变形和基于偏移的更新来演化。同时，分解的 4D 蒸馏策略从 VGGT 基础模型传输跨相机和跨框架知识，生成增强时间一致性的基础对齐特征。 Occ3D-NuScenes 基准测试表明，我们的方法在弱监督下实现了最先进的性能，在以人为中心的实例上实现了 13.5% 的提升，整体提升了 10.9%。这些结果凸显了变形感知和基础引导占用建模对于动态场景理解的有效性。代码公开：https://github.com/vita-epfl/DeGO