面向结构与语义一致Sim-to-Real转换的小波相位扩散

仿真到现实（Sim-to-Real）转换必须弥合合成域与真实域之间的外观差距，同时保持结构与语义一致性。基于条件控制的方法实现了空间对齐，但引入了计算昂贵的控制模块。成对数据方法能达到真实感，但依赖复杂的合成流水线，且常常改变场景几何与语义。免训练编辑方法避免了这两种约束，但缺乏习得的外观先验，限制了其感知质量。近期提出的相位保持扩散提供了一种有前景的替代方案，但傅里叶域的表述受全局谱耦合的约束。这种耦合会引发振铃与边界泄漏等空间伪影，从而损害结构与语义一致性。我们提出小波相位扩散（Wavelet Phase Diffusion），通过两个组件解决这一问题。首先，我们在双树复小波包变换（Dual-Tree Complex Wavelet Packet Transform）域中工作，其局域化的小波包支持空间自适应的相位注入，而不受全局谱干扰。其次，低频随机化（Low-Frequency Randomization, LFR）替换低频小波包，将模型与合成光照先验解耦，使真实世界外观处于分布之内。两个组件都在非成对的开源域数据上训练，且引入的推理开销可忽略不计。空间局域性进一步支持实例级转换：单个物体或区域可独立转换为照片级真实外观，而周围场景保持不变。在vKITTI $\to$ KITTI图像转换上，我们的方法在真实感与语义一致性上超越以往方法，同时保持有竞争力的结构对齐。在CARLA视频转换上，我们的方法接近成对数据方法的真实感，同时将VLM规划器的ADE和FDE分别降低 $5.4\%$ 和 $5.1\%$。