VGOcc：视觉-几何高斯驱动的高效3D驾驶占据预测
本文介绍VGOcc方法，针对3D占据预测中稀疏高斯缺乏显式几何信息的问题，提出Visual-Geometric Gaussians表示。通过冻结VGGT基础模型提取视觉和几何线索，结合VGBirth和PFLearn模块优化高斯初始化与特征学习。在nuScenes数据集上，SC IoU达到34.07，SSC mIoU达到21.75，优于GaussianFormer-2。方法依赖准确相机标定，且存在计算开销，适用于对精度和效率有平衡要求的自动驾驶场景。