AVOID：面面俱到的不利视觉条件数据集，包含道路障碍物用于驾驶场景理解
计算机视觉与模式识别
2025-12-30 v1
摘要
对于智能无人驾驶汽车而言，理解道路场景进行视觉感知仍然至关重要。特别是在各种不利条件（如天气和日照）下可靠地检测意外小型道路危险事件，一直是关键需求。然而，现有的道路驾驶数据集要么仅提供在正常或不利场景下获取的大规模图像，要么不包含与其他类别相同的视觉域中捕获的道路障碍物。为此，我们引入了新的名为 AVOID（Adverse Visual Conditions Dataset，遗漏视觉条件数据集）的数据集，用于实时障碍物检测，收集于模拟环境中。AVOID 包含一大批在各种天气和时间条件下沿每条路径捕获的意外道路障碍物。每张图像配有相应的语义图和深度图、原始和语义激光数据，以及路径点，从而支持大多数视觉感知任务。我们在高性能实时网络上对障碍物检测任务进行基准测试，还提出并进行消融研究，使用综合性的多任务网络进行语义分割、深度和路径点预测任务。
引用
@article{arxiv.2512.23215,
title = {AVOID: The Adverse Visual Conditions Dataset with Obstacles for Driving Scene Understanding},
author = {Jongoh Jeong and Taek-Jin Song and Jong-Hwan Kim and Kuk-Jin Yoon},
journal= {arXiv preprint arXiv:2512.23215},
year = {2025}
}