Генеративное семантическое дополнение сцены

🛰 Генеративное дополнение LiDAR-сцены: авторы предлагают рассматривать semantic scene completion как задачу генерации плотной семантической воксельной сетки по разреженному скану, который покрывает около 1% объёма. Это близко к задачам обработки облаков точек: по неполному наблюдению нужно восстановить геометрию и классы объектов сцены. Научная новизна — единая дискретно-диффузионная схема в трёх режимах: синтез пар «разреженный LiDAR — плотная разметка», генерация сцены из шума с условием по BEV-карте и 3D-признакам, а также одношаговое уточнение уже готовых SSC-результатов без дообучения базовой модели. На SemanticKITTI заявлено 38,8% mIoU в режиме одного causal single-sweep single-sample прохода и 39,2% при четырёх шагах коррекции с test-time augmentation. Ограничение важно: результаты проверены на автомобильном датасете SemanticKITTI; перенос на строительные площадки, карьеры или исполнительную съёмку потребует отдельной валидации и данных.