语义占用感知对于自动驾驶至关重要，因为自动驾驶汽车需要对3D城市结构进行细粒度感知。然而，现有的相关基准在城市场景中缺乏多样性，并且它们仅评估前视图预测。为了对周围感知算法进行全面的基准测试，我们提出了OpenOccupancy，这是第一个周围语义占用感知基准。在OpenOccupancy基准测试中，我们用密集的语义占用注释扩展了大规模的nuScenes数据集。

摘要：基于视觉的自动驾驶感知已经经历了从鸟瞰图 （BEV） 表示到 3D 语义占用的转变。与 BEV 平面相比，3D 语义占用进一步提供了沿垂直方向的结构信息。本文介绍了 OccFormer，这是一种双路径变压器网络，可有效处理 3D 体积以进行语义占用预测。OccFormer 实现了相机生成的 3D 体素特征的长距离、动态和高效编码。

本文提出的 SparseOcc，是一种受稀疏点云处理启发的高效占用网络。1，3D 稀疏扩散器使用空间分解的 3D 稀疏卷积核执行潜在补全; 2，transformer head 被重新设计为 sparse 变体。SparseOcc 在密集基线上实现了 74.9% 的 FLOP 显著减少。有趣的是，它还提高了准确性，从 12.8% 到 14.1% mIOU。

FlashOCC提出轻量化3D占据预测框架，通过鸟瞰图（BEV）特征提取和通道-高度变换技术，将传统3D卷积替换为高效2D卷积，显著降低内存与计算开销，同时保持高精度。在Occ3D-nuScenes基准测试中，其速度提升5倍，综合性能优于现有方法，具备实际部署潜力。