基于GAN的分层级雨图生成模型
计算机视觉与模式识别
2023-09-07 v1 图像与视频处理
摘要
自动驾驶汽车在运行过程中会遭遇各种天气，这可能引发感知系统的性能局限，导致预期功能安全(SOTIF)问题。为高效生成用于测试各种天气条件下视觉感知算法性能的数据，本文构建了一种分层级雨图生成模型——雨条件CycleGAN(RCCycleGAN)。RCCycleGAN基于生成对抗网络(GAN)，可生成小雨、中雨和大雨图像。不同降雨强度作为标签引入条件GAN(CGAN)中。同时，优化模型结构并调整训练策略以缓解模式崩溃问题。此外，收集并处理不同强度的自然雨图用于模型训练与验证。与两个基线模型CycleGAN和DerainCycleGAN相比，RCCycleGAN在测试数据集上的峰值信噪比(PSNR)分别提升2.58 dB和0.74 dB，结构相似性(SSIM)分别提升18%和8%。还进行了消融实验以验证模型调优的有效性。
引用
@article{arxiv.2309.02964,
title = {Hierarchical-level rain image generative model based on GAN},
author = {Zhenyuan Liu and Tong Jia and Xingyu Xing and Jianfeng Wu and Junyi Chen},
journal= {arXiv preprint arXiv:2309.02964},
year = {2023}
}