面向安全辅助的非对齐正则化驾驶视频去雾

实际驾驶视频去雾因难以获取精确对齐的雾/清晰视频对，使得有效模型训练具有挑战，尤其是在具有不可预测天气条件的动态驾驶场景中。本文我们提出一种首创性方法，通过非对齐正则化策略来解决此挑战。我们的核心思想是识别与雾帧高度吻合的清晰帧，作为参考帧来监督视频去雾网络。我们的方法包含两个关键组件：参考匹配和视频去雾。首先，我们引入非对齐参考帧匹配模块，利用自适应滑动窗口从清晰视频中匹配高质量参考帧。视频去雾融合了基于流动的余弦注意力采样器和可变形余弦注意力融合模块，以增强空间多帧对齐并融合其改进信息。为验证我们的方法，我们收集了一个使用 GoPro 摄像机在多样化农村和城市道路环境中轻松捕获的 GoProHazy 数据集。广泛的实验表明，所提方法在实际驾驶视频去雾这一具有挑战性的任务中优于当前最先进的方法。项目页面。