AutoAWG：面向自动驾驶的可控性障天气视频生成框架
计算机视觉与模式识别
2026-04-22 v1 人工智能
多媒体
摘要
自动驾驶中面对性障天气的感知鲁棒性仍是关键挑战，其核心瓶颈在于性障天气实地视频数据稀缺。现有天气生成方法难以在视觉质量与标注可复用性之间取得平衡。我们提出AutoAWG，一种为自动驾驶设计的可控性障天气视频生成框架。该方法采用语义引导的自适应融合多控制策略，在强天气风格化与安全关键目标高保真保留之间进行平衡；利用消失点锚定的时序合成策略，从静态图像构建训练序列，从而减少对合成数据的依赖；并采用掩码训练以提升长程生成稳定性。在nuScenes验证集上，AutoAWG显著优于先前的SOTA方法：无首帧条件时，FID和FVD分别约降低50.0%和16.1%；在首帧条件下，分别进一步降低8.7%和7.2%。大量定性和定量结果表明，AutoAWG在风格忠实性、时序一致性和语义-结构完整性方面具有优势，凸显其提升自动驾驶下游感知性能的实际价值。Our code is available at: https://github.com/higherhu/AutoAWG
引用
@article{arxiv.2604.18993,
title = {AutoAWG: Adverse Weather Generation with Adaptive Multi-Controls for Automotive Videos},
author = {Jiagao Hu and Daiguo Zhou and Danzhen Fu and Fuhao Li and Zepeng Wang and Fei Wang and Wenhua Liao and Jiayi Xie and Haiyang Sun},
journal= {arXiv preprint arXiv:2604.18993},
year = {2026}
}
备注
Accepted by ICMR 2026