基于自监督内容-风格解耦的密度感知雾图合成

通过对抗训练实现雾图翻译的关键在于：仅参与雾合成的特征（即风格特征）与表示不变语义内容的特征（即内容特征）之间的解耦。先前方法在训练过程中利用内容特征对雾图分类以将其分离。然而，本文指出此类技术路线中内容-风格解耦的不完全性。与内容信息纠缠的有缺陷风格特征不可避免地导致雾图的错误渲染。为此，我们提出通过随机线性插值的自监督风格回归，以减少风格特征中的内容信息。消融实验证明了其解耦完整性及在层级感知雾图合成中的优越性。此外，生成的雾数据被应用于车辆检测器的测试泛化性。关于雾级与检测性能的进一步研究表明，雾对车辆检测器的泛化性有明显影响，且此种性能退化程度与雾级线性相关，这反过来验证了所提方法的有效性。