DiffSSC：使用去噪扩散概率模型进行语义LiDAR扫描完整性填充
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了自驾车感知系统中LiDAR传感器面临的稀疏点云问题，尤其是在遮挡区域的感知不足。本文提出的DiffSSC方法通过独立实施噪声和去噪扩散过程，结合语义信息，显著提升了场景的完整性表示，其在多个自主驾驶数据集上的表现优于现有技术。
SLCF-Net通过结合LiDAR和相机数据进行语义场景补全。它使用预训练的2D U-Net进行图像分割，并从Depth Anything中获取深度信息，将2D特征投射到3D场景。通过3D U-Net计算语义，并设计新损失函数确保时间一致性。在SemanticKITTI数据集上表现出色。
