I2-World：面向高效动态4D场景预测的帧内-帧间标记化
TLDR
提出I2-World，一种采用帧内-帧间标记化的高效编码器-解码器框架，用于自动驾驶中的4D占用预测。
评分理由
Strengths include a novel decoupled tokenization approach, significant performance improvements (25.1% mIoU, 36.9% IoU), and computational efficiency. Weaknesses are the lack of explicit dataset details and discussion of limitations in the abstract.
Read-first 评分解释
综合优先阅读分 63.2，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 39。
研究版图角色
前沿论文复现锚点
排序敏感性
稳定性：volatile；排名波动范围：252。
关键词评分
深度分析
创新点
- 将场景标记化解耦为场景内标记器和场景间标记器
- 场景内标记器采用多尺度残差量化策略，在保留空间细节的同时进行分层压缩
- 场景间标记器通过残差方式聚合时间步之间的时序依赖关系
- 采用编码器-解码器架构，而非仅解码器的GPT风格自回归模型
- 编码器聚合当前场景的空间上下文并预测变换矩阵，实现对场景生成的高层控制
- 解码器以变换矩阵和历史标记为条件，确保生成过程中的时序一致性
方法
I²-World提出了一种双重标记化方法：场景内标记器使用多尺度残差量化对3D场景进行分层压缩，同时保留空间细节；场景间标记器通过残差方式聚合时间步之间的时序依赖关系。模型采用编码器-解码器架构，其中编码器聚合当前场景的空间上下文并预测一个变换矩阵以实现高层控制，解码器以该矩阵和历史标记为条件，确保生成过程中的时序一致性。
关键结果
I²-World在4D占用预测任务上达到了最先进性能，mIoU提升25.1%，IoU提升36.9%，同时训练内存仅需2.9 GB，并以37.0 FPS实现实时推理。