arXiv cs.AI· Kaiwen Wang, Frank Bieder, Yinzhe Shen, Carlos Fernandez, Jan-Hendrik Pauls, Omer Sahin Tas·· 13 小时前AI 评分27
Wavelet Phase Diffusion：用双树复小波包变换实现结构与语义一致的仿真到真实图像翻译
Wavelet Phase Diffusion for Structurally and Semantically Consistent Sim-to-Real Translation
AI 导读
Wavelet Phase Diffusion（ψ-PD）通过双树复小波包变换在局部化小波包域注入相位，避免傅里叶域全局频谱耦合导致的振铃与边界泄漏，并用低频随机化（LFR）解耦合成光照先验。
正文 · AI 翻译
摘要：仿真到现实的转换必须弥合合成域与真实域之间的外观差距，同时保持结构和语义的一致性。基于条件的方法实现了空间对齐，但引入了计算开销高昂的控制模块。成对数据方法实现了真实感，但依赖复杂的合成流程，往往会改变场景几何和语义。免训练编辑方法避免了上述两种约束，但缺乏学习到的外观先验，限制了其感知质量。近期提出的相位保持扩散提供了一种有前景的替代方案，但傅里叶域公式受限于全局频谱耦合。这种耦合会引发振铃和边界泄漏等空间伪影，从而降低结构和语义的一致性。我们提出小波相位扩散（Wavelet Phase Diffusion），通过两个组件解决这一问题。首先，我们在双树复小波包变换域中操作，其局部化的小波包能够实现空间自适应的相位注入，而不会产生全局频谱干扰。其次，低频随机化（LFR）替换低频包，使模型与合成光照先验解耦，并实现分布内的真实世界外观。两个组件均在无配对的开放域数据上训练，且引入的推理开销可忽略不计。空间局部性进一步支持实例级转换，即单个对象或区域被独立转换为照片级真实外观，而周围场景保持未转换。在 vKITTI $\to$ KITTI 图像转换上，$\psi$-PD 在真实感和语义一致性方面优于先前方法，同时保持有竞争力的结构对齐。对于 CARLA 视频转换，$\psi$-PD 接近成对数据方法的真实感，同时将 VLM 规划器的 ADE 和 FDE 分别降低 $5.4\%$ 和 $5.1\%$。
| 评论： | 被 WACV 2027 接收。20 页，15 幅图。项目页面：此 https URL |
| 主题： | 人工智能（cs.AI）；图像与视频处理（eess.IV） |
| 引用为： | arXiv:2607.21628 [cs.AI] |
| （或 arXiv:2607.21628v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.21628 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Kaiwen Wang [查看邮箱]
[v1]
2026年7月8日星期三 13:30:26 UTC（41,693 KB）
[v2]
2026年7月29日星期三 19:07:44 UTC（41,691 KB）
[v3]
2026年10月27日星期二 07:59:22 UTC（47,289 KB）
来源：arXiv cs.AI · arxiv.org