Distilling Diffusion Models to Efficient 3D LiDAR Scene Completion

要約

拡散モデルは、その強い学習安定性と高い補完品質により、3D LiDARシーン補完に適用されてきた。しかし、サンプリング速度が遅いため、自律走行車は周辺環境を効率的に認識する必要があるため、拡散ベースのシーン補完モデルの実用的な適用には限界がある。本論文では、$textbf{ScoreLiDAR}$と名付けられた、3D LiDARシーン補完モデルに合わせた新しい蒸留法を提案し、効率的かつ高品質なシーン補完を実現する。ScoreLiDARは、蒸留後のモデルを大幅に少ないステップでサンプリングすることを可能にします。補完品質を向上させるために、新しい$textbf{Structural Loss}$も導入する。この損失は、全体的な構造を制約するシーン単位の項と、主要なランドマーク点とその相対的な配置を制約する点単位の項を含んでいる。広範な実験により、ScoreLiDARはSemanticKITTI上で、1フレームあたりの補完時間を30.55秒から5.37秒（$>$5$$times$）に大幅に高速化し、最先端の3D LiDARシーン補完モデルと比較して優れたパフォーマンスを達成することが実証された。我々のコードはhttps://github.com/happyw1nd/ScoreLiDAR。

要約(オリジナル)

Diffusion models have been applied to 3D LiDAR scene completion due to their strong training stability and high completion quality. However, the slow sampling speed limits the practical application of diffusion-based scene completion models since autonomous vehicles require an efficient perception of surrounding environments. This paper proposes a novel distillation method tailored for 3D LiDAR scene completion models, dubbed $\textbf{ScoreLiDAR}$, which achieves efficient yet high-quality scene completion. ScoreLiDAR enables the distilled model to sample in significantly fewer steps after distillation. To improve completion quality, we also introduce a novel $\textbf{Structural Loss}$, which encourages the distilled model to capture the geometric structure of the 3D LiDAR scene. The loss contains a scene-wise term constraining the holistic structure and a point-wise term constraining the key landmark points and their relative configuration. Extensive experiments demonstrate that ScoreLiDAR significantly accelerates the completion time from 30.55 to 5.37 seconds per frame ($>$5$\times$) on SemanticKITTI and achieves superior performance compared to state-of-the-art 3D LiDAR scene completion models. Our code is publicly available at https://github.com/happyw1nd/ScoreLiDAR.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL