EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

AlignFusionNet: Efficient Cross-Modal Alignment and Fusion for 3D Semantic Occupancy Prediction

Ziyi Xu, Legan Qi, Hongzhou Du, Jiaqi Yang, Zhenglin Chen

IEEE Access · 2025 · 13 · 125003-125015

DOI: 10.1109/access.2025.3589858 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2025. Verfasst von Ziyi Xu und 4 weiteren Autor:innen. Die Arbeit wurde bisher 39-mal zitiert (Crossref) und nennt 79 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: National Natural Science Foundation of China, Shenzhen Science and Technology Program.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • National Natural Science Foundation of China
  • Shenzhen Science and Technology Program

Zitieren

APA

Xu, Z., Qi, L., Du, H., Yang, J., & Chen, Z. (2025). AlignFusionNet: Efficient Cross-Modal Alignment and Fusion for 3D Semantic Occupancy Prediction. IEEE Access, 13, 125003-125015. https://doi.org/10.1109/access.2025.3589858

Vancouver

Xu Z, Qi L, Du H, Yang J, Chen Z. AlignFusionNet: Efficient Cross-Modal Alignment and Fusion for 3D Semantic Occupancy Prediction. IEEE Access. 2025;13:125003-125015. doi:10.1109/access.2025.3589858

BibTeX
@article{Xu2025,
  author = {Xu, Ziyi and Qi, Legan and Du, Hongzhou and Yang, Jiaqi and Chen, Zhenglin},
  title = {AlignFusionNet: Efficient Cross-Modal Alignment and Fusion for 3D Semantic Occupancy Prediction},
  journal = {IEEE Access},
  year = {2025},
  volume = {13},
  pages = {125003--125015},
  doi = {10.1109/access.2025.3589858}
}
Kostenlos starten →