arXiv · cs.AI· Christofel Rio Goenawan·· 14 天前AI 评分36
RadarGSOcc：基于 4D 雷达张量与几何-语义特征提取的 Doppler 感知 3D 语义占用预测
RadarGSOcc: Doppler-Aware 3D Semantic Occupancy Prediction Using 4D Radar Tensor with Geometric-Semantic Feature Extraction
来源与原文
arXiv · cs.AI
作者：Christofel Rio Goenawan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.18686v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
RadarGSOcc 是一个直接处理 4D 雷达张量的 3D 语义占用预测框架，通过分离提取含 Doppler 信息的几何与语义特征，并采用可变形注意力几何精化模块。该模型在 51.2m 范围内预测 15 类，取得 38.2% IoU、7.6% mIoU 与 25.5% weighted mIoU，较 RadarOcc 相对提升 17%（25.5 vs 21.9），且参数与计算量更低。作者还提出首个基于 4D 雷达张量的 K-Radar 3DSemOcc 基准及 EBKL 代理指标，数据集与代码将公开。
来源：arXiv · cs.AI · arxiv.org