基于潜在扩散模型的LiDAR场景不良天气条件增强
计算机视觉与模式识别
2026-01-15 v1
摘要
LiDAR 场景是几类自动驾驶应用的基本数据源。尽管存在多个数据集，但不良天气条件下的场景极少出现。这限制了下游机器学习模型的鲁棒性，进而制约了自动驾驶系统在特定地点和季节的可靠性。收集具备特征多样性的不良天气场景具有时季限制。本工作提出一种由自编码器和潜在扩散模型构成的潜在扩散过程。此外，我们利用明确条件的 LiDAR 场景经过后处理，以提升生成不良天气场景的真实性。
引用
@article{arxiv.2501.01761,
title = {Adverse Weather Conditions Augmentation of LiDAR Scenes with Latent Diffusion Models},
author = {Andrea Matteazzi and Pascal Colling and Michael Arnold and Dietmar Tutsch},
journal= {arXiv preprint arXiv:2501.01761},
year = {2026}
}
备注
This is an intermediate version of our work