本研究では、自動運転やナビゲーションシステムのトレーニングに必要な多様なポイントクラウドデータセットを生成する新手法「Range-Edit」を提案しています。現状の手法は、手作業で作成した3D環境内でシミュレーションされたポイントクラウドデータに依存しており、時間とコストがかかるため、実際の複雑なシーンを捕捉するには不十分です。この問題を解決するために、実世界のLiDARスキャンをセマンティックマスクによって編集し、新しい合成LiDARポイントクラウドを生成します。具体的には、範囲画像の投影とセマンティックマスクの条件付けを組み合わせ、対象物の寸法や位置情報を提供することで幾何学的一貫性を持ったデータを生成します。このアプローチはKITTI-360データセットで検証され、高品質なLiDARポイントクラウド生成が可能であり、自動運転システムの堅牢性向上に貢献する可能性があります。