Masterand (all genders) - Semantic 4D Occupancy Forecasting

Job description

Kurzbeschreibung Die semantische 4D-Belegungsvorhersage ( Semantic 4D Occupancy Forecasting ) ist von entscheidender Bedeutung für sicheres autonomes Fahren , da sie es Fahrzeugen ermöglicht, zukünftige Szenendynamiken und -geometrien zu antizipieren. Das Training moderner State-of-the-Art-Modelle stützt sich jedoch stark auf vollständig überwachte Methoden ( fully supervised methods ), die massive und extrem teure, dichte 3D-Voxel-Annotationen erfordern. Um diesen Datenengpass zu überwinden, verlagert sich die Spitzenforschung zunehmend hin zu selbstüberwachten ( self-supervised ) und schwach überwachten ( weakly-supervised ) Paradigmen, die vortrainierte 2D-Foundation-Modelle (z. B. DINOv2, CLIP oder SAM) nutzen. Durch die Ausrichtung ( Alignment ) dieser reichhaltigen Open-Vocabulary 2D-Semantikmerkmale an räumlichen 3D-/4D-Repräsentationen mithilfe fortschrittlicher Transformer-Architekturen ist es möglich, ein robustes räumlich-zeitliches Verständnis ohne dichte 3D-Ground-Truth-Daten zu erreichen. Aufbauend auf diesen Durchbrüchen konzentriert sich diese Masterarbeit auf die Entwicklung eines Foundation-Model -basierten Frameworks für die visionsbasierte 4D-Belegungsvorhersage...