通过解耦控制组合驾驶世界以生成对抗场景
计算机视觉与模式识别
2026-03-16 v1
摘要
自主驾驶的一个主要挑战是安全关键边缘案例的"长尾"，这些案例通常源于常见交通元素的异常组合。合成这些场景至关重要，然而当前的可控生成模型提供不完整或纠缠的指导，阻止了对场景结构、对象身份和自车行为的独立操控。我们引入了CompoSIA，一个组合式驾驶视频模拟器，能够解耦这些交通因素，实现对多样化对抗驾驶场景的细粒度控制。为了支持场景元素的可控身份替换，我们提出了一种噪声级身份注入方法，允许在多样化的元素姿态下进行姿态无关的身份生成，全部来自单张参考图像。此外，引入了一种分层双分支行为控制机制以提升行为可控性。这种解耦控制实现了对抗场景的合成——系统地将安全元素组合成纠缠生成器无法产生的危险配置。广泛的对比实验表明，在可控生成质量上优于现有最先进基线，身份编辑的FVD提升17%，行为控制的旋转误差和平移误差分别降低30%和47%。此外，下游压力测试揭示了显著的规划器失败：在所有编辑模态下，3秒平均碰撞率增加了173%。
引用
@article{arxiv.2603.12864,
title = {Composing Driving Worlds through Disentangled Control for Adversarial Scenario Generation},
author = {Yifan Zhan and Zhengqing Chen and Qingjie Wang and Zhuo He and Muyao Niu and Xiaoyang Guo and Wei Yin and Weiqiang Ren and Qian Zhang and Yinqiang Zheng},
journal= {arXiv preprint arXiv:2603.12864},
year = {2026}
}