自动驾驶图像合成方法综述：从模拟器到新范式.pdf

2025年10月图学学报October2025

第46卷第5期JOURNALOFGRAPHICSVol.46No.5

自动驾驶图像合成方法综述：

从模拟器到新范式

1111132,3

黄敬，时瑞浩，宋文明，郭和攀，魏璜，魏小松，姚剑

(1.广州汽车集团股份有限公司，广东广州511434；

2.武汉大学深圳研究院，广东深圳518063；

3.武汉大学遥感信息工程学院，湖北武汉430079)

摘要：图像合成技术对自动驾驶的发展至关重要，旨在低成本、高效率地为自动驾驶系统提供训练和

测试数据。随着计算机视觉和人工智能(AI)技术的发展，神经辐射场(NeRF)、三维高斯溅射(3DGS)和生成模型

在图像合成领域引起了广泛关注，这些新范式在自动驾驶场景构建和图像数据合成中表现出巨大潜力。鉴于这

些方法对于自动驾驶技术发展的重要性，回顾了其发展历程并搜集了最新研究工作，从自动驾驶图像合成问题

的实际角度重新观察相关方法，介绍了NeRF、3DGS、生成模型以及虚实融合的合成方法在自动驾驶领域的进

展，其中尤其关注NeRF和3DGS这2种基于重建的方法。首先，分析了自动驾驶图像生成任务的一些重要问

题；然后，从自动驾驶场景面临的有限视角问题、大规模场景问题、动态性问题和加速问题4个方面详细分析

了NeRF和3DGS的代表性方案；考虑到生成模型对于创建自动驾驶极端场景(cornercase)的潜在优势，还介绍

了自动驾驶世界模型用于场景生成的实际问题及现有研究工作；接着，分析了当前业内虚实融合自动驾驶图像

合成前沿应用，以及NeRF和3DGS结合AI生成模型在自动驾驶场景生成任务中的潜力；最后，总结了当前

取得的成功及未来亟需探索的方向。

关键词：自动驾驶；图像合成；神经辐射场；三维高斯溅射；生成模型

中图分类号：TP391.41;U463.6DOI：10.11996/JG.j.2095-302X.2025050931

文献标识码：A文章编号：2095-302X(2025)05-0931-19

Areviewofautonomousdrivingimagesynthesismethods:

fromsimulatorstonewparadigms

11111

HUANGJing,SHIRuihao,SONGWenming,GUOHepan,WEIHuang,