DOME：驯服扩散模型以实现高保真可控占据世界模型

arXiv 24.10 2024 61.5 method, application

TLDR

DOME是一种基于扩散的占据世界模型，用于自动驾驶，通过轨迹重采样实现高保真长时间预测和细粒度可控性。

评分理由

The paper introduces a novel occupancy world model using a spatial-temporal diffusion transformer, addressing limitations of prior methods in detail loss and controllability. Strengths include strong empirical results on nuScenes and a clear focus on high-fidelity generation; weaknesses are not explicitly discussed in the abstract, but the approach is limited to occupancy representation and may not generalize to other modalities.

Read-first 评分解释

综合优先阅读分 61.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 40。

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基线、数据集、评估、实验

近期性 8%

75.1

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2024

主题相关性 42%

57.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集、GitHub

研究版图角色

方法锚点

排序敏感性

稳定性：volatile；排名波动范围：127。

关键词评分

world model

generative world model

world dynamics prediction

world simulator

interactive world model

video world model

model-based reinforcement learning world model

深度分析

创新点

用于高保真长时间占据预测的时空扩散Transformer
用于未来占据生成中细粒度可控性的轨迹重采样方法

方法

DOME采用时空扩散Transformer，从历史占据观测中预测未来占据帧。它引入了一种轨迹重采样方法以增强可控性。该模型在nuScenes数据集上进行训练和评估。

关键结果

DOME在占据重建任务上以mIoU 10.5%和IoU 21.2%的优势超越基线，在nuScenes上的4D占据预测任务上以mIoU 36.0%和IoU 24.6%的优势超越基线。

资源

论文项目