L3DR：3D感知的激光点云扩散与校正
计算机视觉与模式识别
2026-02-24 v1
摘要
基于视程视图（Range View, RV）的激光点云扩散方法近期在2D照片 realism 方面取得了巨大进展。然而，它们忽略了3D几何的真实性，常生成各种RV artifacts，包括深度漂移和波浪形表面。我们设计了L3DR（3D-aware LiDAR Diffusion and Rectification），一个能在3D空间中回归并消除RV artifacts，精准恢复局部几何的框架。我们的理论与实证分析揭示，3D模型在生成锐利和真实边界方面天然优于2D模型。基于此，我们设计了3D残差回归网络，通过预测3D空间中的点级偏移量来校正RV artifacts，实现卓越的几何真实性。此外，我们设计了Welsch Loss，以有效聚焦局部几何、忽略异常区域。大量实验在包括KITTI、KITTI360、nuScenes和Waymo在内的多个基准数据集上表明，所提出的L3DR在保持卓越的几何真实性方面持续实现最先进的生成效果。此外，L3DR可轻松地集成到不同的激光点云扩散模型中，几乎没有额外的计算开销。
引用
@article{arxiv.2602.19064,
title = {L3DR: 3D-aware LiDAR Diffusion and Rectification},
author = {Quan Liu and Xiaoqin Zhang and Ling Shao and Shijian Lu},
journal= {arXiv preprint arXiv:2602.19064},
year = {2026}
}
备注
In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026