原文链接：https:openaccess.thecvfcontentCVPR2023papersHuang_Tri-Perspective_View_for_Vision-Based_3D_Semantic_Occupancy

Contribution现有的方法倾向用鸟瞰图(BEV)表示来描述3D场景，尽管它比体素表示的效率更高，但它很难用单个平面描述场景的细粒度3D结构。为了解决这个问题，我们提出

尽管在视觉语言推理方面表现出色，但大型视觉语言模型（LVLMs）可能会生成与给定图像中不存在的虚假内容。大多数现有的LVLM幻觉基准都局限于评估与目标相关的幻觉。然而，两个目标之间的潜在幻觉，即关系幻觉，仍然缺乏研究。为了弥补这一缺陷，本