MonoWAD：基于天气自适应扩散模型的鲁棒单目3D目标检测

单目3D目标检测是自动驾驶中的一个重要且具有挑战性的任务。 现有方法主要致力于在理想天气条件下进行3D检测， 即清晰且视野最佳的场景。 然而， 自动驾驶的挑战在于能够处理天气变化， 如雾天等不仅仅是晴天情况。 我们引入 MonoWAD， 一款新型天气鲁棒单目3D目标检测器， 其包含天气自适应扩散模型。 其包含两个组件： (1) 天气词典用于记忆清晰天气的知识， 并为任意输入生成天气参考特征； (2) 天气自适应扩散模型通过融合天气参考特征来增强输入特征的表征。 这在指示输入特征根据天气条件需要多少改进方面发挥注意力作用。 为实现此目标， 我们引入天气自适应增强损失，以增强在清晰天气和雾天天气条件下的特征表征。 在各种天气条件下的大规模实验表明， MonoWAD 能够实现天气鲁棒的单目3D目标检测。 代码和数据集已发布于 https://github.com/VisualAIKHU/MonoWAD。