近日，学院教师胡锦超博士课题组的最新研究成果《Probabilistic Discrepancy Learning for Roadside LiDAR Scene Completion（概率差异学习的路侧激光雷达点云场景补全）》被人工智能领域国际顶级会议IEEE Conference on Computer Vision and Pattern Recognition（CVPR）接收。2024级硕士研究生吴小刚为论文第一作者、胡锦超为论文通讯作者。

论文针对当前点云补全方法难以为复杂交通场景提供全面且精细的环境表示的不足，提出了一种全新概率差异学习的路侧激光雷达点云场景补全方法。该方法引入了外部视觉信息作为补充并采用两阶段策略优化。在第一阶段使用概率位姿最小化（PPDM）去校正由视觉检测器引起的噪声先验，以此生成伪真值监督信号；第二阶段结合扩散模型进行场景差异学习，从而实现全局一致且精细化的路侧激光雷达点云场景补全。在真实世界数据集V2X-Seq和TUMTraf-V2X上的实验结果表明，论文所提方法相较于当前最先进（SOTA）的方法，平均性能提升14.5%。

据悉，CVPR是中国计算机学会（CCF）推荐的A类国际会议，在计算机视觉、模式识别、大模型等人工智能研究领域具有广泛的影响力。2025年吸引全球人工智能领域研究者有效投稿16092篇，最终接收率为25.2%。