从概念到能力：评估自动驾驶中3D高斯溅出的合成场景编辑能力
计算机视觉与模式识别
2026-05-05 v1
摘要
自动驾驶系统（ADS）的感知能力严重依赖于相关且全面且多样化的数据集，以确保其在环境中的安全运行。现场数据收集在完备性方面存在不足，无法覆盖开发、验证和验证ADS所需的稀有但仍可能发生的安全相关情形。3D高斯溅出（3DGS）在基于摄像头和激光雷达传感器收集的数据进行场景重建和编辑方面显示出有前景的能力。然而，对重建质量的工业保真度评估尚未得到充分探讨，这在将此类方法应用于安全相关系统时至关重要，尤其是ADS在动态、不可控制的环境中运行时，往往仅能获得有限的视角且常常存在部分遮挡的物体。本文通过提出并实现一个框架（图1），系统性地分析了3DGS在安全相关场景重建中的能力与局限。我们聚焦于车辆和行人重建质量，这两个是ADS中最关键的两个对象类别。我们的发现为工业界提供了关于从多个新视角（包括横向和纵向）重建质量退化的见解，使其能够集成到实际的工业AD软件开发和测试管道中。
引用
@article{arxiv.2605.01995,
title = {From Concept to Capability: Evaluating 3D Gaussian Splatting for Synthetic Scene Editing in Autonomous Driving},
author = {Ali Nouri and Yifei Zhang and Yifan Zhang and Tayssir Bouraffa and Zhennan Fei and Zijian Han and Håkan Sivencrona and Anders Heyden},
journal= {arXiv preprint arXiv:2605.01995},
year = {2026}
}
备注
Accepted in the 45th International Conference on Computer Safety, Reliability and Security (SafeComp 2026)