研究介绍：
基于摄像头的3D占用预测最近在户外驾驶场景中引起了越来越多的关注。然而，室内场景的研究仍然相对未被探索。室内场景的核心差异在于场景尺度的复杂性和对象大小的差异。本文提出了一种新的方法，称为ISO，用于使用单目图像预测室内场景占用率。ISO利用预训练深度模型的优点来实现精确的深度预测。此外，我们在ISO中引入了双特征视线投影（D-FLoSP）模块，该模块增强了3D体素特征的学习。为了促进该领域的进一步研究，我们引入了Occ-ScanNet，这是一个用于室内场景的大规模占用基准。其数据集大小是NYUv2数据集的40倍，有助于未来室内场景分析的可扩展研究。在NYUv2和Occ-ScanNet上的实验结果表明，我们的方法达到了最先进的性能。
