SN-LiDAR：用于新观点 LiDAR 合成的语义神经场
计算机视觉与模式识别
2025-04-14 v1 机器人学
摘要
近期研究开始探索面向 LiDAR 点云的新观点合成（NVS），旨在生成来自不可见观点的逼真 LiDAR 扫描。然而，大多数现有方法未重建语义标签，而这些标签对许多下游应用（如自动驾驶和机器人感知）至关重要。与图像不同，后者受益于强大的分割模型，而 LiDAR 点云缺乏此类大规模预训练模型，导致语义标注耗时且费力。为解决此挑战，我们提出 SN-LiDAR 方法，联合进行准确的语义分割、高质量的几何重建和逼真的 LiDAR 合成。具体而言，我们采用粗到细的平面网格特征表示从多帧点云中提取全局特征，并利用基于 CNN 的编码器从当前帧点云中提取局部语义特征。在 SemanticKITTI 和 KITTI-360 上的大量实验表明，SN-LiDAR 在语义和几何重建方面均优于现有方法，能够有效处理动态对象和大规模场景。代码将在 https://github.com/dtc111111/SN-Lidar 上提供。
引用
@article{arxiv.2504.08361,
title = {SN-LiDAR: Semantic Neural Fields for Novel Space-time View LiDAR Synthesis},
author = {Yi Chen and Tianchen Deng and Wentao Zhao and Xiaoning Wang and Wenqian Xi and Weidong Chen and Jingchuan Wang},
journal= {arXiv preprint arXiv:2504.08361},
year = {2025}
}