论文解读《FastOcc：加速3D占用网络预测，通过融合2D鸟瞰图和透视图》

        这篇文章是我在阅读论文时写的，用来整理思路，并不是为了让读者轻松读懂。作为论文的笔记，这里忽略了背景介绍和相关研究等，直接关注这种方法的实现方案，或者说，关注如何复现此研究结果。

目录：

        1、作者做了啥

        2、结果怎么样

        3、具体来说，作者是如何实现这个结果的

1、作者做了啥

        作者研究了占用预测任务的四个部分，发现占用预测头有加速潜力，于是“将3D卷积块简化为2D鸟瞰图（BEV）卷积网络，并使用插值的 Voxel 特征完善BEV特征，从而加速了3D占有率预测过程。” ——标题已经做了概括。

2、结果怎么样

达到的准确性--速度平衡如下图：

可视化结果如下图，左侧为Ground Truth，右侧ours方法明显好于中间被对比的surroundOCC方法： 

3、方法：

方法的架构图如下：

        方法架构分为三步：提取图像特征金字塔，视图特征通过LSS转换到3D空间再压扁为BEV特征，用BEV特征和图像特征插值得到占用网格。我们只关注第三步，这是这篇论文的主要创新点。

        作者将BEV特征图重复叠加多层，得到一个不准确的占用网格，每层中的特征再映射到六个相机视图中，用双线性插值进行上采样，映射回3D占用网格，去确认并剔除无效的占用网格特征，得到准确的占用网格。