BEVDiffuser：基于真实边界引导的BEV去噪可插即扩散模型
计算机视觉与模式识别
2025-03-26 v2 人工智能
机器学习
摘要
鸟瞰视图(BEV)表示在自动驾驶任务中发挥着关键作用。尽管近期在BEV生成方面取得了进展，但源自传感器局限性和学习过程的固有噪声仍未得到充分解决，导致BEV表示次优，进而影响下游任务性能。为此提出BEVDiffuser，一种有效利用真实边界对象布局引导对BEV特征图去噪的新型扩散模型。BEVDiffuser可在训练期间以可插即方式集成到现有BEV模型中，而无需任何架构修改。在具有挑战性的nuScenes数据集上进行大量实验表明，BEVDiffuser在去噪与生成方面具有卓越的能力，显著提升了现有BEV模型性能，3D目标检测的mAP提升12.3%，NDS提升10.1%，且未引入额外计算复杂度。此外，在长尾目标检测和恶劣天气光照条件下的显著改进进一步验证了BEVDiffuser在去噪与增强BEV表示方面的有效性。
引用
@article{arxiv.2502.19694,
title = {BEVDiffuser: Plug-and-Play Diffusion Model for BEV Denoising with Ground-Truth Guidance},
author = {Xin Ye and Burhaneddin Yaman and Sheng Cheng and Feng Tao and Abhirup Mallik and Liu Ren},
journal= {arXiv preprint arXiv:2502.19694},
year = {2025}
}
备注
CVPR 2025