arXiv cs.AI· Andrea Ceron, Michael Schmidt, Alvaro Marcos-Ramiro, Sebastian Schmidt, Benjamin Busam·· 9 天前AI 评分25
CRISP：用扩散解码修复潜在 LiDAR 生成中的飞点
CRISP: Fixing Flying Pixels in Latent LiDAR Generation via Diffusion Decoding
AI 导读
CRISP 是一种像素空间扩散解码器，通过骨干无关的潜在适配器、基于 DiT 的去噪器与支撑掩码预测器，替换视频 VAE 和 LiDAR 原生解码器，同时保持编码器与潜在生成器不变。
正文 · AI 翻译
摘要：潜在 LiDAR 流水线存在飞点问题：卷积 VAE 会模糊尖锐的径向深度不连续处，导致边缘深度反投影后成为悬浮在表面之间的点。我们将其识别为解码器的一个重大且可直接修正的瓶颈，并提出 CRISP：一种像素空间扩散解码器，具有骨干无关的潜在适配器、基于 DiT 的去噪器以及支撑掩码预测器。CRISP 可替换视频 VAE 和 LiDAR 原生解码器，同时保持编码器和潜在生成器固定。在 KITTI-360、SemanticKITTI 和 nuScenes 上，仅替换解码器即可在冻结骨干上平均降低 FSVD/FPVD 50.5%；对于通用视频 VAE，降幅可达 71%/74%。在 LiDAR 原生的 LiDM 骨干上，FRID 下降 71%，在深度不连续处增益最大。在预训练的 LiDM 世界模型中，同样的零样本替换使 FSVD 改善 15.5%，缩小了仿真到现实的差距。
| 评论： | 已被 NeurIPS 2026 接收（海报）。41 页，10 幅图，18 张表。项目页面：此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| ACM 分类： | I.2.10; I.4.8 |
| 引用为： | arXiv:2610.11376 [cs.CV] |
| （或 arXiv:2610.11376v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11376 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Andrea Ceron [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 07:07:55 UTC（5,944 KB）
来源：arXiv cs.AI · arxiv.org