WeatherGen：基于 Spider Mamba Diffusion 的统一多样化 LiDAR 点云天气生成器
计算机视觉与模式识别
2025-04-21 v1
摘要
3D 场景感知需要大量逆天气 LiDAR 数据，但 LiDAR 数据收集的成本构成显著的规模化挑战。为此，已提出一系列 LiDAR 模拟器。然而，它们只能模拟单一天气且仅使用单一物理模型，生成数据的保真度有限。本文提出 WeatherGen，即首个统一多样化天气 LiDAR 数据扩散生成框架，显著提升保真度。具体而言，我们首先设计了基于地图的数据生产者，可为训练提供大量高质量多样化天气数据。随后，我们利用扩散去噪范式构建扩散模型，其中我们提出了蜘蛛 Mamba 生成器，通过扫描 LiDAR 束圆或中心射线来建模特征相互作用，卓越地保持了 LiDAR 数据的物理结构。随后，遵循生成器，我们设计了潜在特征对齐器。此外，我们设计了基于对比学习的控制器，通过语言监督为天气控制信号赋予紧凑的语义知识，引导扩散模型生成更具辨识度的数据。广泛的评估表明 WeatherGen 具有高质量的生成效果。通过 WeatherGen，我们构建了小型天气数据集，推动了在逆天气条件下的下游任务性能。代码已公开：https://github.com/wuyang98/weathergen
引用
@article{arxiv.2504.13561,
title = {WeatherGen: A Unified Diverse Weather Generator for LiDAR Point Clouds via Spider Mamba Diffusion},
author = {Yang Wu and Yun Zhu and Kaihua Zhang and Jianjun Qian and Jin Xie and Jian Yang},
journal= {arXiv preprint arXiv:2504.13561},
year = {2025}
}