OccTENS：基于时间下一尺度预测的3D占用世界模型
TLDR
OccTENS提出一种基于时间下一尺度预测的生成式占用世界模型，用于高效、可控的长期3D场景生成。
评分理由
The paper introduces a novel reformulation of occupancy world modeling as temporal next-scale prediction, addressing inefficiency, temporal degradation, and controllability. Strengths include a clear methodology (TensFormer, pose aggregation) and empirical outperformance over SOTA. Weaknesses: abstract lacks explicit mention of real-world datasets or benchmarks, though experiments imply standard evaluation.
Read-first 评分解释
综合优先阅读分 48.6，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 36。
研究版图角色
前沿论文
排序敏感性
稳定性：volatile；排名波动范围：446。
关键词评分
深度分析
创新点
- 将占用世界模型重新表述为时间下一尺度预测（TENS）任务，将时间序列建模分解为空间逐尺度生成和时间逐场景预测。
- TensFormer架构，能够以灵活且可扩展的方式有效管理占用序列的时间因果性和空间关系。
- 整体位姿聚合策略，用于占用与自车运动的统一序列建模，增强位姿可控性。
方法
OccTENS将占用世界模型重新表述为时间下一尺度预测（TENS）任务，利用TensFormer架构将时间序列建模分解为空间逐尺度生成和时间逐场景预测。它还引入了一种整体位姿聚合策略，用于占用与自车运动的统一序列建模，以增强可控性。
关键结果
OccTENS在占用质量和推理速度上均优于现有最先进方法。