LiDAR-GS++:基于扩散先验改进 LiDAR 高斯重建
计算机视觉与模式识别
2025-11-18 v1
摘要
近期基于高斯的渲染技术在 LiDAR 领域取得了显著进展, 超越了 Neural Radiance Fields (NeRF) 在质量和速度方面的表现。然而, 这些方法在 extrapolated novel view synthesis 中会出现artifacts, 由于单遍扫描的重建不完整。为此, 我们提出 LiDAR-GS++,一种通过扩散先验增强的 LiDAR 高斯点云重建方法, 实现公开城市道路的实时高保真 re-simulation。具体地, 我们引入可控的 LiDAR 生成模型, 以粗略 extrapolated rendering 为条件, 生成额外几何一致的扫描, 并采用有效的蒸馏机制实现扩展重建。通过将重建扩展到 under-fitted 区域, 我们确保 extrapolative novel views 全局几何一致性, 同时保留传感器捕获的细节场景表面。在多个公开数据集上的实验表明, LiDAR-GS++ 在插值和 extrapolated 视点上实现了最先进的性能, 超越了现有基于高斯和 NeRF 的方法。
引用
@article{arxiv.2511.12304,
title = {LiDAR-GS++:Improving LiDAR Gaussian Reconstruction via Diffusion Priors},
author = {Qifeng Chen and Jiarun Liu and Rengan Xie and Tao Tang and Sicong Du and Yiru Zhao and Yuchi Huo and Sheng Yang},
journal= {arXiv preprint arXiv:2511.12304},
year = {2025}
}
备注
Accepted by AAAI-26