基于扩散模型的点-体积交互 LiDAR 场景上采样：PVNet
计算机视觉与模式识别
2025-08-26 v1
摘要
准确的户外环境三维场景理解高度依赖高质量的点云。然而，LiDAR 激光扫描的数据常常严重稀疏，严重阻碍下游的三维感知任务。现有的点云上采样方法主要关注单个对象，因而在复杂户外场景的泛化能力有限。为此，我们提出了 PVNet，一种基于扩散模型的点-体积交互框架，用于进行 LiDAR 点云上采样且无需稠密监督。具体而言，我们采用基于分类-free 指导的 DDPMs 来指导生成，其中我们使用稀疏点云作为引导条件，并将来自相邻帧的合成点云作为输入。此外，我们设计了一个体积完成模块，用于细化和完成粗糙的体积特征，以丰富特征表征。另外，我们提出了一个点-体积交互模块，用于整合点和体积的特征，有效提高了每个上采样点的环境感知能力。就我们方法而言，是已知的第一个支持任意上采样率的场景级点云上采样方法。广泛的实验在各种基准数据集上表明，我们的方法实现了最先进的性能。源代码将在 https://github.com/chengxianjing/PVNet 公开。
引用
@article{arxiv.2508.17050,
title = {PVNet: Point-Voxel Interaction LiDAR Scene Upsampling Via Diffusion Models},
author = {Xianjing Cheng and Lintai Wu and Zuowen Wang and Junhui Hou and Jie Wen and Yong Xu},
journal= {arXiv preprint arXiv:2508.17050},
year = {2025}
}
备注
14 pages, 11 figures