基于高斯点云的基础设施到车辆视图转换用于自动驾驶数据生成
计算机视觉与模式识别
2025-08-01 v1
摘要
大规模且高质量的数据是端到端自动驾驶系统的关键。然而，当前驾驶数据主要由车辆收集，成本高昂且效率低下。潜在解决方案在于从真实图像合成数据。近期在 3D 重建方面的进展表明，光照逼真的新视角合成具有潜力，可从路边捕获的图像生成驾驶数据。本文引入一种新方法 I2V-GS，将基础设施视图转换为车辆视图。稀疏的基础设施视角重建并在大范围视角转换下渲染是一个具有挑战性的问题。我们采用自适应深度视角变换生成密集训练视图。为进一步扩展视角范围，我们采用级联策略对视角变换后的图像进行插图，这也确保插图内容在不同视角间一致。为进一步确保扩散模型的可靠性，我们利用跨视图信息执行置信度引导优化。此外，我们引入 RoadSight，一个来自真实场景中基础设施视图的多模态、多视角数据集。据我们了解，I2V-GS 是首个实现基础设施-车辆视图转换的自动驾驶数据集生成框架。实验结果表明，I2V-GS 在车辆视图下的合成质量显著提升，相较于 StreetGaussian 在 NTA-Iou、NTL-Iou 和 FID 指标上分别提升了 45.7%、34.2% 和 14.9%。
引用
@article{arxiv.2507.23683,
title = {I2V-GS: Infrastructure-to-Vehicle View Transformation with Gaussian Splatting for Autonomous Driving Data Generation},
author = {Jialei Chen and Wuhao Xu and Sipeng He and Baoru Huang and Dongchun Ren},
journal= {arXiv preprint arXiv:2507.23683},
year = {2025}
}