DiffusionLane：基于扩散模型的车道检测方法
计算机视觉与模式识别
2025-10-28 v1
摘要
本文提出了一种新型基于扩散模型的车道检测方法，称为 DiffusionLane，将车道检测任务视为参数空间中车道的去噪扩散过程。首先，我们向车道参数（起始点和角度）添加高斯噪声，以获得带噪车道锚点，并让模型以渐进方式细化带噪车道锚点以获得目标车道。其次，提出了混合解码策略以解决编码器因带噪车道锚点导致的特征表示不足问题。具体而言，我们设计了混合扩散解码器，以组合全局级和局部级解码器以获得高质量车道锚点。然后，为提高编码器的特征表示，我们在训练阶段采用辅助头以可学习的车道锚点丰富编码器的监督。在四个基准数据集上进行的实验结果表明，DiffusionLane 具备强大的泛化能力和有前景的检测性能，优于现有最先进方法。例如，采用 ResNet18 的 DiffusionLane 在域适应数据集 Carlane 上准确率至少提高 1%。此外，采用 MobileNetV4 的 DiffusionLane 在 CULane 上获得 81.32% F1 分数，在 ResNet34 上对 Tusimple 的准确率达 96.89%，在 ResNet101 上对 LLAMAS 的 F1 分数达 97.59%。代码将在 https://github.com/zkyntu/UnLanedet 提供。
引用
@article{arxiv.2510.22236,
title = {DiffusionLane: Diffusion Model for Lane Detection},
author = {Kunyang Zhou and Yeqin Shao},
journal= {arXiv preprint arXiv:2510.22236},
year = {2025}
}