關於 occupancy resolution 和 ground truth 中的動態物體 about surroundocc HOT 2 CLOSED

你好，关于你的两个问题我们有以下想法：

1. 虽然我们没有在surroundocc里实现无限分辨率，但很容易在现有框架中加入这个功能，只需要对最后输出的occupancy进行三线性插值然后过个mlp即可，可以参考TPVFormer中的实现方式。但需要注意的是，虽然这种方式可以实现无限分辨率，但需要高分辨率的ground truth，使用低分辨率的真值可能会导致效果不好。
2. 在surroundocc里我们利用bbox的ground truth将场景和物体（包括静态和动态）分隔开。我们认为网络具备泛化能力，对于没被bbox覆盖的动态异型物，网络也可以重建出来。除此之外，其实用bbox的ground truth去区分动静态只是一种方式，还可以利用一些更加low-level的方式例如场景流去区分。

from surroundocc.

@weiyithu 感謝你的回覆

1. 看了一下 TPVFormer 的作法，的確是可以很容易套用到 surroundocc 上。在 TPVFormer 裡面過 mlp 的輸出是由單一 frame 的 lidar 稀疏點來進行監督，所以沒有分辨率的問題，如果无限分辨率也要套用 dense occupancy 監督這的確是要注意的一個點。
2. 關於這個問題，比較擔心的不是泛化能力的問題，而是產生真值得時候，如果有动态异型物沒有被bbox覆盖，那會導致 voxel grid 的ground truth 會有這些异型物的殘影。不過透過其他像场景流的方法來區別静动态的確也是一個方向。

from surroundocc.