RangeLDM：快速逼真的LiDAR点云生成
计算机视觉与模式识别
2024-09-11 v2 图像与视频处理
摘要
自动驾驶需要高质量LiDAR数据，但物理LiDAR传感器的成本构成显著的规模化挑战。虽然近期努力探索深度生成模型以解决此问题，但往往消耗大量计算资源且生成速度慢，同时缺乏逼真性。为此，我们引入RangeLDM，通过潜在扩散模型快速生成高质量的range-view LiDAR点云。我们通过Hough投票纠正range-view数据分布以实现从点云到range图像的准确投影，这对生成学习具有关键影响。然后，我们将range图像压缩到潜在空间，并利用扩散模型提高表达性。此外，我们设计一种基于range-guided判别器的技巧，以指导模型保留3D结构保真性。在KITTI-360和nuScenes数据集上的实验结果表明，我们的方法在表达力和生成速度方面均表现出色。
引用
@article{arxiv.2403.10094,
title = {RangeLDM: Fast Realistic LiDAR Point Cloud Generation},
author = {Qianjiang Hu and Zhimin Zhang and Wei Hu},
journal= {arXiv preprint arXiv:2403.10094},
year = {2024}
}