文章核心观点 - 中山大学与香港科技大学的研究团队提出了一种名为ReCamDriving的全新方法，用于从单条真实驾驶视频生成另一条相邻轨迹的视频，该方法不依赖LiDAR，完全基于视觉，并利用3D Gaussian Splatting（3DGS）实现精确的相机控制和结构引导，旨在解决自动驾驶领域多轨迹视频数据采集成本高、不一致的难题 [5][6][34] 技术方法创新 - 该方法的核心创新在于放弃使用稀疏、不完整的LiDAR数据，转而采用密集、完整、覆盖全场景的3DGS渲染结果作为相机控制和几何约束条件 [10][11][14] - 研究团队设计了一套两阶段训练策略：第一阶段仅使用相对相机位姿训练模型，建立基本的视角变换能力；第二阶段冻结核心参数，引入3DGS渲染特征进行精细引导，防止模型退化为单纯的“伪影修复器” [12][18][20] - 为了解决缺乏真实新轨迹视频作为监督数据的问题，团队提出了跨轨迹数据构造策略，利用3DGS渲染生成横向偏移的视频作为输入，并以原始真实视频作为监督，据此构建了包含超过110,000个平行轨迹视频对的ParaDrive数据集 [22][26][27] 性能表现与优势 - 在Waymo和nuScenes数据集上的实验表明，ReCamDriving在相机控制精度上显著优于对比方法，例如在横向偏移±1米时，其旋转误差（RErr.）为1.32度，平移误差（TErr.）为2.37厘米，优于其他方法 [29] - 在视觉质量和视角一致性方面，该方法也表现优异，在横向偏移±1米时，其FID分数为13.76，FVD分数为13.27，CLIP-V分数为97.96，均显著优于对比的修复型方法（如Difi x3D+）和依赖LiDAR的方法（如StreetCrafter） [29][30] - 随着横向偏移增大，该方法在几何一致性上表现更稳定，下降更缓，例如在偏移±4米时，其FID为32.36，而对比方法StreetCrafter的FID为68.73，Difi x3D+为78.08 [29] - 在nuScenes数据集上的平均性能也验证了其泛化能力，其FID为25.68，FVD为18.98，CLIP-V为96.14，均优于对比方法 [31] 行业应用与意义 - 该技术为自动驾驶领域提供了一种低成本、高效率的数据扩充方案，能够生成高质量、多视角的驾驶视频，这对于3D重建的完整性、世界模型和规划系统的泛化能力至关重要 [4][36] - 该方法代表了一种趋势，即新轨迹视频生成应从“事后画面修复”转向对“相机与几何关系”的本质建模，为自动驾驶仿真数据生成和模型训练提供了新的技术思路 [34][36]