SymDrive：基于对称自回归在线修复的真实可控驾驶模拟器
计算机视觉与模式识别
2025-12-29 v1 机器人学
摘要
高保真且可控的3D仿真对于解决自动驾驶(AD)中的长尾数据稀缺问题至关重要，但现有方法在同时实现照片级渲染和交互式交通编辑方面存在困难。当前方法常在大角度新视角合成时失灵，处理资产操作时遭受几何或光照制造痕迹。为解决这些挑战，我们提出了SymDrive，一个统一的基于扩散的框架，能够实现高质量渲染和场景编辑。我们引入了对称自回归在线修复范式，通过构建成对的对称视图以基于真实值的双视角公式恢复细粒度细节，并利用自回归策略实现一致的侧向视角生成。此外，我们利用这种修复能力，构建一种无训练的和谐机制，将车辆插入视为情境感知式插图，以确保光照和阴影的无缝一致性。广泛的实验表明，SymDrive在新视角增强和真实3D车辆插入方面实现了最先进的性能。
引用
@article{arxiv.2512.21618,
title = {SymDrive: Realistic and Controllable Driving Simulator via Symmetric Auto-regressive Online Restoration},
author = {Zhiyuan Liu and Daocheng Fu and Pinlong Cai and Lening Wang and Ying Liu and Yilong Ren and Botian Shi and Jianqiang Wang},
journal= {arXiv preprint arXiv:2512.21618},
year = {2025}
}