点击下方卡片，关注「3D视觉工坊」公众号
选择星标，干货第一时间送达
来源：3D视觉工坊
星球内有20多门3D视觉系统课程、3DGS独家系列视频教程、顶会论文最新解读、海量3D视觉行业源码、项目承接、求职招聘等。想要入门3D视觉、做项目、搞科研，欢迎加入！
室内三维occupancy预测是机器人导航、AR/VR内容生成和智能建筑监测等应用的核心基础。近年来，为了缓解稠密体素表示带来的巨大计算开销，研究者们开始采用高斯基元等稀疏3D表示来近似场景几何。然而，这种稀疏表示在带来效率提升的同时，也引入了新的训练与优化难题。
现有基于高斯基元的occupancy方法在训练时普遍依赖体素分类损失，该损失仅对局部区域施加约束，缺乏对基元分布的全局监督，导致模型不可避免地在空区域预测出大量虚假基元。 这些虚假基元不仅浪费了宝贵的计算资源，还严重损害了模型的表示效率，使得实际部署时参数量臃肿、推理速度低下，难以满足实时应用的需求。
如何在保持稀疏表示高效性的同时，引入全局分布监督以消除虚假基元，并实现更远距离的原始体重新定位，是当前室内occupancy预测领域亟待解决的关键问题。
本文提出的FLM-Occ基于全新前馈似然最大化（FLM）框架，将occupancy预测从传统的体素分类重新表述为体素分布估计问题；通过原始体积归一化作为混合权重隐式施加单形约束，仅需32个超二次曲面即可达到超越Prior SoTA的精度，参数量仅为其2.7%；在Occ-ScanNet数据集上推理速度提升3.7倍，并首次实现了远距离原始体的重新定位能力。
论文信息
标题：FLM-Occ: Feed-forward Likelihood Maximization for Efficient Indoor Occupancy Prediction
作者：Guangcheng Chen, Lihuang Fang, Huaqi Tao, Yicheng He, Li He, Hong Zhang
机构：Southern University of Science and Technology, Guangdong Lab of AI and Digital Economy (Shenzhen), Shenzhen Key Lab of Robotics and Computer Vision
原文链接：https://arxiv.org/abs/2606.21373
代码链接：https://gcchen97.github.io/flm-occ/
导读
近期室内occupancy预测方法普遍采用高斯基元作为稀疏3D表示以提升计算效率，但其训练过程依赖体素分类，仅施加局部约束，缺乏对基元分布的全局监督。这导致模型不可避免地在空区域预测出大量虚假基元，严重损害了表示效率与计算效率。针对这一问题，本文提出前馈似然最大化（FLM）框架，将occupancy预测重新表述为体素分布估计任务。在FLM中，网络以前馈方式预测混合模型，并最大化对真实占用体素的似然。为实现网络与标准混合模型的端到端训练及体素化，本文将混合权重定义为归一化的原始体积，隐式施加单形约束，并推导出全新的体素化公式。基于FLM框架，本文提出的FLM-Occ能够将随机初始化的基元重新定位到远距离位置以建模场景。在Occ-ScanNet数据集上，FLM-Occ仅使用32个超二次曲面——相当于Prior SoTA的2.7%——即实现了更优的精度，同时运行速度快3.7倍。
效果展示
图 8：在 Occ‑ScanNet 数据集［42］上的对比实验
引言
室内三维occupancy预测旨在推断封闭空间中每个体素是否被占用，是机器人路径规划、碰撞避免和场景理解的基础。传统的稠密体素网格表示虽然直观，但其存储和计算开销随场景尺寸立方增长，难以扩展到大范围室内环境。为此，近年来研究者们广泛探索稀疏3D表示，其中以高斯基元（3D Gaussian primitives）和超二次曲面（superquadrics）为代表的参数化基元因其紧凑性和可微性而备受青睐。
然而，现有基于稀疏基元的方法在训练策略上存在明显短板。它们通常将occupancy预测转化为体素分类问题，使用二元交叉熵或类似的分类损失监督每个体素的占用状态。这种局部损失函数虽然简单有效，但仅对基元覆盖的局部区域施加约束，无法从全局角度监督基元在整个场景中的分布合理性。其直接后果是：模型倾向于在空区域生成大量虚假的、冗余的基元以“保险”地覆盖可能的占用空间，从而导致表示效率低下、计算资源浪费，并干扰下游的几何推理任务。
此外，现有方法在基元初始化与优化范围上也受到限制。由于梯度传播的局部性，随机初始化的基元往往难以跨越较大距离移动到目标表面，导致模型对初始化敏感，且难以有效建模具有大范围空旷区域的复杂室内场景。因此，亟需一种具备全局分布监督能力、支持远距离基元重新定位且保持前馈推理高效性的新框架。
主要贡献
针对上述挑战，本文提出FLM（Feed-forward Likelihood Maximization）框架及基于此的FLM-Occ方法，主要贡献如下：
• 我们提出将occupancy预测从体素分类重新表述为体素分布估计，网络以前馈方式预测混合模型并最大化对真实占用体素的似然。
• 我们定义原始体积归一化作为混合权重以隐式施加单形约束，并推导适用于端到端训练的全新体素化公式。
• FLM-Occ能够将随机初始化的基元重新定位到远距离位置以精确建模场景几何，摆脱对密集初始化的依赖。
• 在Occ-ScanNet上，FLM-Occ仅用32个超二次曲面（Prior SoTA的2.7%）即达到更优精度，同时推理速度快3.7倍。
方法
FLM-Occ的核心在于Feed-forward Likelihood Maximization（FLM）框架。传统方法将occupancy预测视为体素级别的二分类任务，而FLM将其重新表述为估计真实占用体素的空间分布。具体而言，FLM假设场景中的占用体素服从由一组参数化基元（本文使用超二次曲面）构成的混合模型分布。网络的目标是学习预测该混合模型的参数，使得模型下真实占用体素的似然最大化。
为实现端到端训练，本文提出了关键的技术创新：将混合模型的权重定义为各原始体积的归一化值。这一设计隐式地施加了单形约束（simplex constraints），即所有权重非负且和为1，无需额外的约束层或后处理。基于该定义，本文进一步推导了混合模型到体素网格的新型体素化公式，使得网络输出的连续基元参数可以被高效、可微地转化为离散的occupancy预测，从而支持端到端的梯度回传。
在FLM框架下，本文提出的FLM-Occ方法展现出强大的远距离重新定位能力。由于损失函数直接作用于全局体素似然而非局部分类，即使基元在初始化时远离真实表面，梯度信号依然能够引导基元跨越较长距离向高似然区域移动。这种全局优化特性使得FLM-Occ可以使用极少量的基元（仅需32个）即可精确覆盖复杂室内场景的几何结构，避免了在空区域产生虚假基元。
推理阶段，FLM-Occ完全采用前馈方式：网络一次性预测所有基元参数，通过体素化公式直接生成occupancy网格，无需迭代优化或后处理。这种前馈设计结合极度稀疏的基元表示，使得FLM-Occ在Occ-ScanNet上的运行速度达到Prior SoTA的3.7倍，充分满足了实时应用的需求。
实验结果
本文在Occ-ScanNet数据集上对FLM-Occ进行了全面评估。首先，在重建精度方面，FLM-Occ仅使用32个超二次曲面——相当于Prior SoTA方法使用基元数量的2.7%——便在IoU、精度和召回率等核心指标上达到或超越了Prior SoTA水平。这一结果充分证明了FLM框架在消除虚假基元和提升表示效率上的巨大优势。
在推理速度方面，FLM-Occ的前馈设计带来了显著的效率提升。相较于需要迭代优化或密集基元计算的Prior SoTA方法，FLM-Occ在相同硬件条件下的运行速度快3.7倍，展现了稀疏表示与前馈推理相结合在实时occupancy预测中的巨大潜力。
消融实验进一步验证了FLM各个组件的有效性。移除原始体积归一化设计后，模型出现了权重分布不均和训练不稳定现象；替换为局部体素分类损失后，虚假基元数量显著增加，且基元难以实现远距离重新定位。此外，随着基元数量的增加，FLM-Occ的精度持续提升，但即使在极少量基元（32个）设置下，其性能依然具有竞争力，表明FLM框架对基元数量的利用效率远高于传统方法。
总结 & 未来工作
本文提出了FLM-Occ——一种基于前馈似然最大化框架的高效室内occupancy预测方法。通过将occupancy预测重新表述为体素分布估计，并引入原始体积归一化与新型体素化公式，FLM-Occ在仅使用32个超二次曲面（Prior SoTA的2.7%）的情况下实现了更优的重建精度，同时推理速度提升3.7倍。FLM框架的全局监督特性还赋予了模型远距离原始体重新定位的能力，有效解决了传统方法中虚假基元泛滥和初始化敏感的问题。
未来的研究可以从以下方向进一步拓展：将FLM框架扩展到室外大规模场景，探索更具表达力的参数化基元（如神经隐式基元）以建模复杂材质与细节几何；结合语义信息，实现实例级别的稀疏occupancy预测；以及将FLM-Occ集成到实时SLAM与机器人导航系统中，验证其在实际部署中的端到端性能。
对更多实验结果和文章细节感兴趣的读者，可以阅读一下论文原文~
本文仅做学术分享，如有侵权，请联系删文。
。
添加微信：cv3d001，备注：姓名+方向+单位，邀请入群。
