驯服 Transformer 以实现逼真的激光雷达点云生成
计算机视觉与模式识别
2024-04-09 v1 机器学习
机器人学
摘要
Diffusion Models (DMs) 在激光雷达点云生成任务中取得了 State-Of-The-Art (SOTA) 的结果，得益于其稳定的训练和采样过程中的迭代细化。然而，由于其固有的去噪过程，DMs 往往无法逼真地建模激光雷达射线丢失噪声。为了保留迭代采样的优势同时增强射线丢失噪声的生成，我们引入了 LidarGRIT，这是一种生成模型，它使用自回归 Transformer 在潜在空间而非图像空间中迭代采样距离图像。此外，LidarGRIT 利用 VQ-VAE 分别解码距离图像和射线丢失掩码。我们的结果表明，与 SOTA 模型相比，LidarGRIT 在 KITTI-360 和 KITTI odometry 数据集上取得了更优的性能。代码获取地址：https://github.com/hamedhaghighi/LidarGRIT。
引用
@article{arxiv.2404.05505,
title = {Taming Transformers for Realistic Lidar Point Cloud Generation},
author = {Hamed Haghighi and Amir Samadi and Mehrdad Dianati and Valentina Donzella and Kurt Debattista},
journal= {arXiv preprint arXiv:2404.05505},
year = {2024}
}