هوش مصنوعی
OccSplat هندسهٔ پنهان صحنه‌های رانندگی را مستقیماً در مدل سه‌بعدی بازسازی می‌کند
چارچوبی پژوهشی با افزودن Gaussianهای تازه به نواحی فاقد پوشش، می‌کوشد بازسازی صحنه‌های رانندگی را از دیدگاه‌های تازه دقیق‌تر کند.
روش‌های feed-forward مبتنی بر 3D Gaussian Splatting می‌توانند صحنه‌های رانندگی را از تصاویر دوربین‌های پیرامونی بازسازی کنند، اما اتکا به یک مشاهده باعث می‌شود بخش‌های پوشیده‌شده ناقص بمانند؛ این نواحی ممکن است از زاویه‌ای تازه دیده شوند. پژوهشگران در پیش‌چاپی در arXiv، چارچوب OccSplat را معرفی کرده‌اند که به‌جای ترمیم پیکسل‌های تصویر خروجی، هندسهٔ سه‌بعدیِ غایب را هدف می‌گیرد.
OccSplat ابتدا با روشی به نام Gaussian Occlusion Mapping نواحی پوشیده‌شده و فاقد پشتیبانی Gaussian را شناسایی می‌کند. سپس Gaussian Occlusion Completion برای این بخش‌ها primitiveهای تازه تولید می‌کند و آن‌ها را به بازنمایی اصلی می‌افزاید. بنا بر چکیدهٔ پژوهش، این فرایند بدون بهینه‌سازی جداگانه برای هر صحنه انجام می‌شود.
آزمایش‌ها روی مجموعه‌دادهٔ nuScenes نشان داده‌اند که OccSplat از روش‌های مقایسه‌شده بهتر عمل می‌کند و به‌ویژه در نواحی پوشیده‌شده بهبود بیشتری دارد؛ پژوهشگران می‌گویند این نتیجه به بازسازی دقیق‌تر و از نظر بصری منسجم‌تر صحنه‌های رانندگی می‌انجامد. مقاله در کارگاه Computer Vision for Developing Countries در کنفرانس ACCV 2026 پذیرفته شده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده