针对自动驾驶中基于增强城市景观的行人识别的对抗外观学习
计算机视觉与模式识别
2025-09-18 v1
摘要
在自动驾驶领域，合成数据对于覆盖特定交通情景至关重要，但这类数据常常引入合成与真实数据之间的 domain gap。为改善行人识别，我们部署数据增强技术以生成包含虚拟行人（VRUs）的定制交通情景。我们提供了一套用于增强 Cityscapes 数据集中虚拟行人的数据增强管线。为提升管线的增强真实性，我们提出了一种新型生成网络架构，用于对抗学习数据集光照条件。我们还在语义分割和实例分割任务上对方法进行评估。
关键词
引用
@article{arxiv.2509.13507,
title = {Adversarial Appearance Learning in Augmented Cityscapes for Pedestrian Recognition in Autonomous Driving},
author = {Artem Savkin and Thomas Lapotre and Kevin Strauss and Uzair Akbar and Federico Tombari},
journal= {arXiv preprint arXiv:2509.13507},
year = {2025}
}