【2025CVPR-图象去雾方向】BEVDiffuser：基于地面实况引导的BEV去噪的即插即用扩散模型

论文地址：https://arxiv.org/pdf/2502.19694v1

1. 研究背景与问题​

• ​BEV表示的重要性​：鸟瞰图（BEV）是自动驾驶感知任务的核心，提供场景的全局视角，但存在固有噪声问题。噪声来源包括传感器（相机、LiDAR）缺陷和学习过程的局限性，导致下游任务（如3D目标检测）性能下降。
• ​现有方法的不足​：当前BEV生成方法（如BEVFormer、BEVFusion）未充分解决噪声问题；现有扩散模型增强方法（如DiffBEV、Dif-FUSER）依赖噪声信息作为条件，且推理时需多次迭代，计算开销大。

2. 方法创新：BEVDiffuser​

​核心设计​

• ​条件扩散模型​：以真实物体布局（ground-truth object layout）为条件引导去噪过程。布局定义为 l={o0​,o1​,.