利用场景几何与深度信息实现鲁棒图像去雨

图像去雨对于提升自动驾驶车辆在雨天条件下的视觉能力具有巨大潜力，有助于更安全的驾驶。以往的工作主要集中于使用单一网络架构生成去雨图像。然而，它们往往未能充分利用场景中嵌入的丰富先验知识。特别是，大多数方法忽略了深度信息，而深度信息可以提供关于场景几何的有价值上下文，并指导更鲁棒的去雨。在这项工作中，我们引入了一个新颖的学习框架，集成了多个网络：一个用于去雨的自编码器，一个用于融合深度信息的辅助网络，以及两个用于强制雨景和清晰场景之间特征一致性的监督网络。这种多网络设计使我们的模型能够有效捕捉底层场景结构，生成更清晰、更准确的去雨图像，从而提升自动驾驶车辆的目标检测性能。在三个广泛使用的数据集上进行的大量实验证明了我们提出方法的有效性。