SimWorld：基于世界模型的仿真条件场景生成统一基准
计算机视觉与模式识别
2025-06-27 v2
摘要
随着自动驾驶技术的快速发展，数据匮乏已成为提升感知模型精度的主要障碍。研究人员正在探索利用世界模型进行可控数据生成以多样化数据集。然而，以往工作仅限于在特定公开数据集上研究图像生成质量，对于构建面向实际应用场景的数据生成引擎以实现具有挑战性场景的大规模数据生成仍有较少研究。在本文中，提出了一种基于世界模型的仿真条件场景生成引擎。通过构建与真实场景一致的仿真系统，可收集用于世界模型数据生成条件的仿真数据和标签，从而为任意场景提供数据。该方法将仿真引擎强大的场景仿真能力与世界模型可靠的数据生成能力相结合，构成了一种新颖的数据生成管道。此外，本文提供了一个按比例构建虚拟和真实数据的数据基准，用于探索世界模型在真实场景中的能力。定量结果表明，这些生成的图像显著提升了下游感知模型的性能。最后，我们探索了世界模型在城市自动驾驶场景中的生成性能。所有数据和代码将在 https://github.com/Li-Zn-H/SimWorld 上提供。
引用
@article{arxiv.2503.13952,
title = {SimWorld: A Unified Benchmark for Simulator-Conditioned Scene Generation via World Model},
author = {Xinqing Li and Ruiqi Song and Qingyu Xie and Ye Wu and Nanxin Zeng and Yunfeng Ai},
journal= {arXiv preprint arXiv:2503.13952},
year = {2025}
}
备注
8 pages, 4 figures