Clear Roads, Clear Vision：智能交通中多天气图像恢复技术的进展

雾霾、降雨和降雪等恶劣天气条件显著降低图像和视频的质量，对依赖视觉输入的智能交通系统（ITS）构成严重挑战。这些退化影响关键应用，包括自动驾驶、交通监控和监控。本综述全面回顾了为减轻天气引起的视觉损伤而开发的图像和视频恢复技术。我们将现有方法分为传统基于先验的方法和现代数据驱动模型，包括CNN、Transformer、扩散模型和新兴的视觉语言模型（VLMs）。恢复策略进一步根据其范围进行分类：单任务模型、多任务/多天气系统以及能够处理多种退化的端到端框架。此外，我们讨论了白天和夜间恢复挑战、基准数据集和评估协议。该综述以关于当前研究局限性的深入讨论以及未来方向（如混合/复合退化恢复、实时部署和智能体AI框架）作为总结。本工作旨在为智能交通环境中的天气鲁棒视觉系统提供有价值的参考。最后，为跟上该领域的快速发展，我们将在https://github.com/ChaudharyUPES/A-comprehensive-review-on-Multi-weather-restoration 维护最新相关论文及其开源实现的定期更新。