LiLa-Net：轻量级潜在 LiDAR 自编码器用于 3D 点云重建
计算机视觉与模式识别
2025-10-03 v1 人工智能
摘要
本文提出了一种名为 LiLa-Net 的 3D 自编码器架构，从实际交通环境中高效提取特征，仅使用 LiDAR 的点云。为此，我们准备了一辆配备 Velodyne LiDAR 的半自动驾驶车辆。该系统利用跳跃连接概念，在不采用前沿架构大量资源的情况下提升性能。关键改进包括减少编码器层数并简化跳跃连接，同时仍能产生高效且具代表性的潜在空间，从而准确重建原始点云。此外，实现了跳跃连接所携带信息与潜在编码之间的有效平衡，提升了重建质量而不牺牲性能。最后，该模型展示了强大的泛化能力，成功重建了与原始交通环境无关的物体。
引用
@article{arxiv.2510.02028,
title = {LiLa-Net: Lightweight Latent LiDAR Autoencoder for 3D Point Cloud Reconstruction},
author = {Mario Resino and Borja Pérez and Jaime Godoy and Abdulla Al-Kaff and Fernando García},
journal= {arXiv preprint arXiv:2510.02028},
year = {2025}
}
备注
7 pages, 3 figures, 7 tables, Submitted to ICRA