Adverse Weather Conditions Augmentation of LiDAR Scenes with Latent Diffusion Models

要約

LiDARシーンは、いくつかの自律走行アプリケーションのための基本的なソースを構成しています。いくつかのデータセットが存在するにもかかわらず、悪天候のシーンはほとんど利用できない。これは下流の機械学習モデルのロバスト性を制限し、特定の場所や季節における自律走行システムの信頼性を抑制する。悪天候下で特徴多様なシーンを収集することは、季節的な制約により困難である。したがって、生成モデルは、特に特定の運転シナリオのための悪天候条件を生成するために不可欠である。我々の研究では、オートエンコーダと潜在拡散モデルによって構成される潜在拡散プロセスを提案する。さらに、生成された悪天候シーンのリアリズムを向上させるために、後処理ステップで晴天状態のLiDARシーンを活用する。

要約(オリジナル)

LiDAR scenes constitute a fundamental source for several autonomous driving applications. Despite the existence of several datasets, scenes from adverse weather conditions are rarely available. This limits the robustness of downstream machine learning models, and restrains the reliability of autonomous driving systems in particular locations and seasons. Collecting feature-diverse scenes under adverse weather conditions is challenging due to seasonal limitations. Generative models are therefore essentials, especially for generating adverse weather conditions for specific driving scenarios. In our work, we propose a latent diffusion process constituted by autoencoder and latent diffusion models. Moreover, we leverage the clear condition LiDAR scenes with a postprocessing step to improve the realism of the generated adverse weather condition scenes.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL