InfraDiffusion：基于扩散模型的稀疏基础设施点云零样本深度图恢复与引导式分割
计算机视觉与模式识别
2025-09-04 v1
摘要
点云广泛用于基础设施监测，提供几何信息，分割是后续任务（如缺陷检测）所必需的。现有研究自动化了结构组件的语义分割，而砖块级分割（识别砾石和水泥脱落等缺陷）主要从RGB图像中完成。然而，在砖砌隧道等低光环境中获取高分辨率图像是不可行的。虽然点云在弱光下稳健，但通常非结构、稀疏且噪声较大，限制了精细分割。我们提出InfraDiffusion，一个零样本框架，将砖砌点云投影到深度图并通过虚拟相机实现，而后通过改进的去噪扩散空域模型（DDNM）进行恢复。无需任务特定训练，InfraDiffusion增强了深度图的视觉清晰度和几何一致性。在砖砌桥梁和隧道点云数据集上进行实验，显示在使用Segment Anything Model（SAM）进行砖块级分割时取得显著提升，凸显了其在自动化砖砌资产检测中的潜力。我们的代码和数据已公开于https://github.com/Jingyixiong/InfraDiffusion-official-implement。
引用
@article{arxiv.2509.03324,
title = {InfraDiffusion: zero-shot depth map restoration with diffusion models and prompted segmentation from sparse infrastructure point clouds},
author = {Yixiong Jing and Cheng Zhang and Haibing Wu and Guangming Wang and Olaf Wysocki and Brian Sheil},
journal= {arXiv preprint arXiv:2509.03324},
year = {2025}
}