LiNeXt：重新审视基于高效非扩散架构的 LiDAR 完成技术
计算机视觉与模式识别
2025-12-02 v2
摘要
3D LiDAR 场景完成是自动驾驶感知系统中的基础组件。先前的方法主要采用扩散模型实现高保真重建。然而，其多步骤迭代采样造成显著计算开销，限制了实时应用。为此，我们提出LiNeXt——一种轻量级非扩散网络，针对快速且精准的点云完成进行优化。具体而言，LiNeXt首先应用噪声到粗糙（Noise-to-Coarse, N2C）模块，以单次前向传播对输入噪声点云进行去噪，从而无需扩散方法的多步骤迭代采样。随后，精炼模块（Refine Module）利用来自N2C模块的粗糙点云及其中间特征，进行更精确的细化，进一步提升结构完整性。此外，我们观察到 LiDAR 点云呈现距离相关的空间分布，即近程范围采样密集，远程范围采样稀疏。基于此，我们提出距离感知选择重复策略（Distance-aware Selected Repeat strategy），生成更均匀分布的噪声点云。在 SemanticKITI 数据集上，LiNeXt 在推理速度上实现了 199.8 倍的加速， Chamfer Distance 降低了 50.7%，参数使用量仅为 LiDiff 的 6.1%。这些结果表明，LiNeXt 在实时场景完成方面具有卓越的效率与效果。
引用
@article{arxiv.2511.10209,
title = {LiNeXt: Revisiting LiDAR Completion with Efficient Non-Diffusion Architectures},
author = {Wenzhe He and Xiaojun Chen and Ruiqi Wang and Ruihui Li and Huilong Pi and Jiapeng Zhang and Zhuo Tang and Kenli Li},
journal= {arXiv preprint arXiv:2511.10209},
year = {2025}
}
备注
18 pages, 13 figures, Accepted to AAAI 2026