OCCVAR: 通过下一尺度预测实现可扩展的4D占用预测

OpenReview 2026 51.5 method, application

TLDR

OCCVAR提出基于下一尺度预测的生成式占用世界模型，实现高效高质量4D占用预测。

评分理由

The paper introduces a novel spatial-temporal transformer with temporal next-scale prediction to address inefficiency and temporal degradation in autoregressive occupancy models. Strengths include fast inference and long-time generation; weaknesses are the lack of explicit real-world dataset details in the abstract.

Read-first 评分解释

综合优先阅读分 51.5，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 39。

近期性 8%

100

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：2026

主题相关性 42%

55.7

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

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：实验

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：无

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：515。

关键词评分

generative world model

world model

world dynamics prediction

world simulator

video world model

interactive world model

model-based reinforcement learning world model

深度分析

创新点

针对4D占用场景的下一尺度预测，实现从粗到细的生成
多尺度场景分词器，用于捕获层次化3D几何信息
将自车运动融入分词后的占用序列，实现可控场景生成

方法

OCCVAR使用带有时间下一尺度预测的时空Transformer，从粗到细生成4D占用场景。它对占用序列进行分词，并在分词前融入自车运动以建模动态演化。多尺度场景分词器捕获层次化3D几何信息。

关键结果

与先前工作相比，OCCVAR实现了高质量的占用重建、长时间生成和快速推理速度。

资源

论文