语言提示 vs. 图像增强：在雾霾环境下提升目标检测性能的 CLIP 方法
计算机视觉与模式识别
2026-04-14 v1
摘要
在雾霾环境中进行目标检测具有挑战性，因为受损目标几乎不可见，其语义被环境噪声削弱，使得检测器难以识别。常见方法涉及图像增强以提升受弱化的语义，但这些方法受限于增强模块的不稳定性。这篇论文提出了一种新方法，通过采用语言提示来增强受弱化的语义，而无需图像增强。具体而言，我们设计近似互斥（AME）为交叉熵损失提供可信权重，从而实现 CLIP 引导的交叉熵损失（CLIP-CE）。所提供的权重评估目标的语义削弱程度。通过 CLIP-CE 的反向传播，弱化的语义被增强，使受损目标更容易被检测。此外，我们提出了精炼 AME（FAME），基于预测置信度自适应微调 AME 的权重。所提出的 FAME 补偿了 AME 中的不平衡优化。进一步，我们提出 HazyCOCO，一个大型合成雾霾数据集，包含 61258 张图像。实验结果表明，我们的方法实现了最先进的性能。代码和数据集将公开发布。
引用
@article{arxiv.2604.10637,
title = {Language Prompt vs. Image Enhancement: Boosting Object Detection With CLIP in Hazy Environments},
author = {Jian Pang and Bingfeng Zhang and Jin Wang and Baodi Liu and Dapeng Tao and Weifeng Liu},
journal= {arXiv preprint arXiv:2604.10637},
year = {2026}
}