arXiv cs.AI· Julian Ost, Andrea Ramazzina, Amogh Joshi, Maximilian B\"omer, Mario Bijelic, Felix Heide·· 11 小时前AI 评分34
LSD-3D：基于几何锚定的大规模 3D 驾驶场景生成
LSD-3D: Large-Scale 3D Driving Scene Generation with Geometry Grounding
AI 导读
LSD-3D 提出一种直接生成大规模 3D 驾驶场景的方法，兼具精确几何与可控性，支持具有物体恒存性的因果新视角合成和显式 3D 几何估计。该方法将代理几何与环境表示生成同来自 2D 图像先验的分数蒸馏相结合，可依据地图布局进行提示词引导的几何控制并生成高保真纹理与结构。
正文 · AI 翻译
摘要：大规模场景数据对于机器人学习中的训练和测试至关重要。神经重建方法承诺能够从采集的传感器数据中重建大规模物理落地的户外场景。然而，这些方法内置了静态环境，并且只允许有限的场景控制——它们在功能和场景与轨迹多样性上受限于重建所依据的采集数据。相比之下，使用近期图像或视频扩散模型生成驾驶数据提供了控制能力，但代价是几何落地和因果性。在这项工作中，我们旨在弥合这一差距，并提出一种直接生成具有精确几何的大规模 3D 驾驶场景的方法，允许具有对象永久性和显式 3D 几何估计的因果新视角合成。所提出的方法将代理几何和环境表示的生成与从学习到的 2D 图像先验中提取的分数蒸馏相结合。我们发现，这种方法允许高度可控性，使得能够以地图布局为条件进行提示引导的几何和高保真纹理与结构——生成复杂驾驶场景的真实且几何一致的 3D 生成。
| 评论： | 项目网页：此 https URL |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI)；图形学 (cs.GR) |
| 引用为： | arXiv:2508.19204 [cs.CV] |
| （或 arXiv:2508.19204v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2508.19204 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Julian Ost [查看电子邮件]
[v1]
2025年8月26日星期二 17:04:49 UTC (29,771 KB)
[v2]
2026年11月5日星期四 08:49:22 UTC (29,759 KB)
来源：arXiv cs.AI · arxiv.org