Tag · 3 篇

时空融合

分布 3D 视觉与重建2生成模型与扩散1

U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences

用预训练分割模型输出的空间不确定性图来引导扩散生成，先重建高熵难区再补全其余区域，并配 MoST 块融合时空表征——这套「不确定性引导的由难到易生成」可直接迁移到点云/占据栅格/视频等任何需要时序一致性的生成式世界模型。

Semantic-Adaptive Diffusion for Dynamic Spatiotemporal Fusion

把扩散模型当作多源卫星图像的条件生成器，用 Taylor 式解码器解耦低分辨率与高频分量来约束解空间，并配合时序特征对齐与语义自适应融合，在统一潜变量空间中做时空超分融合；这套「解耦约束 + 潜空间对齐」的思路可迁移到视频超分、多帧复原等需要跨帧细节补全的视觉任务。

PatchScene: Patch-based Voxel Diffusion Model for Large-Scale Scene Completion

把大场景拆成局部 3D patch 分别做体素扩散再融合，配合按激光雷达径向密度设计的 Annular-Flow 采样，为稀疏点云的大范围补全提供了可扩展的生成式方案；其 patch 重叠融合与跨帧时序聚合思路可直接迁移到其他基于扩散的 3D 补全/生成任务。