-
题名自动驾驶图像合成方法综述:从模拟器到新范式
- 1
-
-
作者
黄敬
时瑞浩
宋文明
郭和攀
魏璜
魏小松
姚剑
-
机构
广州汽车集团股份有限公司
武汉大学深圳研究院
武汉大学遥感信息工程学院
-
出处
《图学学报》
北大核心
2025年第5期931-949,共19页
-
基金
广东省科技计划项目(2023B1212020010)。
-
文摘
图像合成技术对自动驾驶的发展至关重要,旨在低成本、高效率地为自动驾驶系统提供训练和测试数据。随着计算机视觉和人工智能(AI)技术的发展,神经辐射场(NeRF)、三维高斯溅射(3DGS)和生成模型在图像合成领域引起了广泛关注,这些新范式在自动驾驶场景构建和图像数据合成中表现出巨大潜力。鉴于这些方法对于自动驾驶技术发展的重要性,回顾了其发展历程并搜集了最新研究工作,从自动驾驶图像合成问题的实际角度重新观察相关方法,介绍了NeRF、3DGS、生成模型以及虚实融合的合成方法在自动驾驶领域的进展,其中尤其关注NeRF和3DGS这2种基于重建的方法。首先,分析了自动驾驶图像生成任务的一些重要问题;然后,从自动驾驶场景面临的有限视角问题、大规模场景问题、动态性问题和加速问题4个方面详细分析了NeRF和3DGS的代表性方案;考虑到生成模型对于创建自动驾驶极端场景(corner case)的潜在优势,还介绍了自动驾驶世界模型用于场景生成的实际问题及现有研究工作;接着,分析了当前业内虚实融合自动驾驶图像合成前沿应用,以及NeRF和3DGS结合AI生成模型在自动驾驶场景生成任务中的潜力;最后,总结了当前取得的成功及未来亟需探索的方向。
-
关键词
自动驾驶
图像合成
神经辐射场
三维高斯溅射
生成模型
-
Keywords
autonomous driving
image synthesis
neural radiance field
3D gaussian splatting
generation model
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
U463.6
[机械工程—车辆工程]
-
