ExtraGS：基于不确定性引导的几何感知轨迹外推
计算机视觉与模式识别
2025-08-26 v2
摘要
从记录的驾驶日志合成外推视图对于模拟自动驾驶车辆的驾驶场景至关重要，但仍是一个具有挑战性的任务。最近的方法利用生成先验作为伪 ground truth，但常导致几何一致性差和渲染过于平滑。为缓解这些限制，我们提出 ExtraGS，一个集成几何和生成先验的轨迹外推整体框架。ExtraGS 的核心是一个基于混合高斯-距离函数（SDF）设计的 novel Road Surface Gaussian（RSG）表示，以及使用可学习的缩放因子高效处理远场对象的 Far Field Gaussians（FFG）。此外，我们开发了一个基于球面谐波的自监督不确定性估计框架，使我们能够仅在外推伪影发生的地方选择性地整合生成先验。在多个数据集、多样化的多摄像机设置以及各种生成先验上进行的大量实验表明，ExtraGS 显著增强了外推视图的真实感和几何一致性，同时保持原始轨迹区域的高保真度。
引用
@article{arxiv.2508.15529,
title = {ExtraGS: Geometric-Aware Trajectory Extrapolation with Uncertainty-Guided Generative Priors},
author = {Kaiyuan Tan and Yingying Shen and Haohui Zhu and Zhiwei Zhan and Shan Zhao and Mingfei Tu and Hongcheng Luo and Haiyang Sun and Bing Wang and Guang Chen and Hangjun Ye},
journal= {arXiv preprint arXiv:2508.15529},
year = {2025}
}