論文の概要: LiFi: LiDAR Generation from Multi-View Images via Geometric and Semantic Collaborative Guidance

• arxiv url: http://arxiv.org/abs/2610.19786v1
• Date: Wed, 14 Oct 2026 08:34:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 12:10:45.451059
• Title: LiFi: LiDAR Generation from Multi-View Images via Geometric and Semantic Collaborative Guidance
• Title（参考訳）: LiFi: 幾何学的・意味的協調誘導による多視点画像からのLiDAR生成
• Abstract要約: LiFiは多視点カメラ画像からLiDARシーンを生成するためのフレームワークである。 これは、幾何学と意味論という2つの相補的な枝を通して潜伏拡散過程を導く。 大規模な実験により、LiFiは高忠実度LiDARシーンの生成において最先端の手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 88.21228852566814
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating LiDAR point clouds from multi-view camera images is a valuable task with applications in controllable data synthesis, cross-modal simulation and various perception tasks. However, most existing methods are not specifically designed for this task, and the quality of their generated LiDAR remains limited. Moreover, these methods typically focus only on semantic cues in images or generate LiDAR from a monocular camera image. In this work, we introduce LiFi (LiDAR From images), a dedicated framework for generating visually and geometrically aligned LiDAR scenes from multi-view camera images. LiFi guides the latent diffusion process through two complementary branches: geometry and semantics. The geometry branch constructs scene features from images through a reverse sampling algorithm and an uncertainty-aware geometric encoder combined with DepthAnything3, whereas the semantic branch provides high-level semantic representations via a cross-view interaction module. We further introduce a dual-branch balanced classifier-free guidance (CFG) strategy, which enhances the model's conditional generation capability while preserving the independent learning and collaborative controllability of the two branches. Extensive experiments demonstrate that LiFi outperforms state-of-the-art methods in generating high-fidelity LiDAR scenes. The code will be publicly available at: https://github.com/szzhou88/LiFi.
• Abstract（参考訳）: マルチビューカメラ画像からLiDAR点雲を生成することは、制御可能なデータ合成、クロスモーダルシミュレーション、様々な知覚タスクへの応用において貴重なタスクである。 しかし、既存のほとんどのメソッドはこのタスクのために特別に設計されておらず、生成されるLiDARの品質は制限されている。 さらに、これらの手法は通常、画像のセマンティックキューのみに焦点を当てたり、単眼カメラ画像からLiDARを生成する。 本稿では,多視点カメラ画像から視覚的かつ幾何学的に整列したLiDARシーンを生成するためのフレームワークLiFi(LiDAR From image)を紹介する。 LiFiは、幾何学と意味論という2つの相補的な分岐を通して潜伏拡散過程を導く。 ジオメトリブランチは、逆サンプリングアルゴリズムとDepthAnything3と組み合わせた不確実性認識幾何エンコーダを通じて画像からシーン特徴を構築する一方、セマンティックブランチは、クロスビューインタラクションモジュールを介して高レベルなセマンティック表現を提供する。 さらに,2つのブランチの独立学習と協調制御性を保ちながら,モデルの条件付き生成能力を向上する二分岐バランス型分類器フリーガイダンス(CFG)戦略を導入する。 大規模な実験により、LiFiは高忠実度LiDARシーンの生成において最先端の手法よりも優れていることが示された。 コードは、https://github.com/szzhou88/LiFi.comで公開される。

関連論文リスト

• M3GD: Multi-Modal Multi-View Geometric Diffusion for Camera--LiDAR Novel View Synthesis [10.466311023638667]
  生成NVSのためのカメラ-LiDARマルチモーダル表現であるM3GDを提案する。 カメラ投影後、凍結したLiDARと画像の特徴は空間構造をかなり共有していることが示される。 GrandTourデータセットでは、M3GDは、同じバックボーンのイメージのみのバージョンで、ターゲットビューRGBと深さ合成を改善している。
  論文  参考訳（メタデータ） (2026-09-24T16:14:00Z)
• UniCustom: Unified Visual Conditioning for Multi-Reference Image Generation [65.53694602893042]
  VLMエンコーディングの前にVTとVAE機能を融合した統合ビジュアルコンディショニングフレームワークを提案する。 2つのマルチ参照生成ベンチマークの実験により、UniCustomは主題の一貫性、命令従順、構成の忠実さを一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-05-12T13:10:05Z)
• How Do Images Align and Complement LiDAR? Towards a Harmonized Multi-modal 3D Panoptic Segmentation [6.573268484692302]
  LiDARベースの3Dパノプティクスセグメンテーションは、LiDARセンサーから得られるデータの空間性に苦慮することが多い。 近年の研究では、LiDAR入力とカメラ画像を統合することで、この課題を克服しようとしている。 我々は,新しいマルチモーダル3Dパノプティクス・セグメンテーション・フレームワークである Image-Assist-LiDAR (IAL) を提案する。
  論文  参考訳（メタデータ） (2025-05-25T03:01:28Z)
• Label-Efficient LiDAR Semantic Segmentation with 2D-3D Vision Transformer Adapters [32.21090169762889]
  BALViTは、凍結視覚モデルを利用して強力なLiDARエンコーダを学習するためのアモーダル機能エンコーダである。 コードとモデルは、http://balvit.cs.uni-freiburg.deで公開しています。
  論文  参考訳（メタデータ） (2025-03-05T09:30:49Z)
• LiMoE: Mixture of LiDAR Representation Learners from Automotive Scenes [55.33167217384738]
  LiMoEは、Mixture of Experts(MoE)パラダイムをLiDARデータ表現学習に統合するフレームワークである。 我々のアプローチは3つの段階からなる: Image-to-LiDAR Pretraining, Contrastive Mixture Learning (CML), Semantic Mixture Supervision (SMS)。
  論文  参考訳（メタデータ） (2025-01-07T18:59:58Z)
• Gait Recognition in Large-scale Free Environment via Single LiDAR [35.684257181154905]
  深度を捉えるLiDARの能力は、ロボットの知覚にとって重要な要素であり、現実世界の歩行認識の可能性を秘めている。 本稿では,頑健な歩行認識のための階層型多表現特徴相互作用ネットワーク(HMRNet)を提案する。 LiDARに基づく歩行認識研究を容易にするため,大規模かつ制約のない歩行データセットであるFreeGaitを紹介した。
  論文  参考訳（メタデータ） (2022-11-22T16:05:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。