OCCDiff：基于稀疏点云的高保真 3D 建筑占据扩散模型重建
计算机视觉与模式识别
2025-12-10 v1
摘要
从激光点云重建建筑面板在不同点密度和噪声干扰下准确捕获建筑表面是主要挑战。为灵活获取多分辨率下的高质量 3D 轮廓，我们提出了 OCCDiff，应用潜在扩散于占据函数空间。OCCDiff 将潜在扩散过程与函数自编码器架构结合，以在任意位置可评估的连续占据函数形式生成。此外，提出了点编码器用于提供条件特征给扩散学习，约束最终占据预测对占据解码器，并将多模态特征插入潜在生成到潜在编码器。为进一步提升模型性能，采用多任务训练策略，确保点编码器学习多样且稳健的特征表示。经验结果表明，该方法生成的样本在物理一致性上与目标分布高度忠实，同时对噪声数据表现出鲁棒性。
引用
@article{arxiv.2512.08506,
title = {OCCDiff: Occupancy Diffusion Model for High-Fidelity 3D Building Reconstruction from Noisy Point Clouds},
author = {Jialu Sui and Rui Liu and Hongsheng Zhang},
journal= {arXiv preprint arXiv:2512.08506},
year = {2025}
}