SaLF：用于实时多传感器渲染的稀疏局部场
计算机视觉与模式识别
2026-05-05 v2 机器人学
摘要
高保真光学传感器(如摄像机和LiDAR)的传感器仿真对于安全准确的自主性测试至关重要。基于神经辐射场(NeRF)的方法通过射线投射隐式表示来重构传感器观测，已显示出对驾驶场景的准确模拟，但训练和渲染速度较慢，限制了可扩展性。3D高斯溅写(3DGS)通过光栅化实现了更快的训练和渲染时间，但主要局限于针对针孔摄像机传感器，无法用于真实的多传感器自主性评估。此外，NeRF和3DGS将表示与渲染程序耦合(隐式网络用于基于射线的评估，粒子用于光栅化)，无法实现互操作性，这对于通用用途至关重要。本文提出了稀疏局部场(SaLF)，一种新型体积表示，支持光栅化和射线追踪，用于统一的多传感器仿真。SaLF将体积表示为稀疏的3D体素原语集合，其中每个体素是一个局部隐式场。SaLF具有快速训练(<30分钟)和渲染能力(摄像机>50 FPS，LiDAR>600 FPS)，支持自适应修剪和密集化，轻松处理大规模场景，并且可支持非针孔摄像机和旋转LiDAR。我们演示了SaLF在逼真度上与现有自驾传感器仿真方法相当，同时提高了效率并增强了功能，实现了更可扩展的仿真。
引用
@article{arxiv.2507.18713,
title = {SaLF: Sparse Local Fields for Multi-Sensor Rendering in Real-Time},
author = {Yun Chen and Matthew Haines and Jingkang Wang and Sahil Jain and Krzysztof Baron-Lis and Sivabalan Manivasagam and Ze Yang and Raquel Urtasun},
journal= {arXiv preprint arXiv:2507.18713},
year = {2026}
}
备注
ICRA 2026. Project page: https://waabi.ai/salf/