SpikeOcc：脉冲专家实现鲁棒多模态3D占用感知

2026年10月14日，arXiv Computer Vision 收录 Yiding Sun 等作者的论文，提出 SpikeOcc 多模态 3D 占用感知方法。据该报道，SpikeOcc 用脉冲神经网络做多模态 3D 占用预测，包含两个互补组件：Spiking Mixture-of-Experts（SMoE）与 Sensor Availability Learning（SAL）。SMoE 把 RGB、LiDAR 与联合融合组织为专门通路；SAL 采用分阶段课程与显式路由监督，以提升传感器缺失情况下的鲁棒性。报道称，实验显示该方法在全传感器条件下精度保持竞争力，同时明显抬高传感器失效时的性能下限，SAL 对常规模型也有增益。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。