基于位置感知的夜间去雾网络NDLPNet及真实世界基准数据集
计算机视觉与模式识别
2025-09-18 v1
摘要
雨 streak 痕迹在低光条件下引起的视觉降解，显著阻碍了夜间监视和自动驾驶的性能。现有图像去雾技术主要针对日间条件设计，在夜间照明下表现不佳，由于雨分布的空间异质性以及光依赖性条纹可见性的影响。本文提出一种新型夜间去雾位置增强感知网络(NDLPNet)，有效捕获低光环境中雨 streak 的空间位置信息和密度分布。具体而言，我们引入位置感知模块(PPM)，以捕获和利用输入数据的空间上下文信息，增强模型识别和重新校准不同特征通道重要性的能力。所提出的夜间去雾网络能够有效去除雨 streak 同时保留关键背景信息。此外，我们构建了一个由900组图像对组成的夜景雨天(NSR)数据集，所有图像均基于真实的夜间场景，为夜间去雾任务提供了新的基准。对现有数据集和NSR数据集上的大量定性和定量实验评估表明，我们的方法在夜间去雾任务中优于最新方法(SOTA)。源代码和数据集已提供：https://github.com/Feecuin/NDLPNet。
关键词
引用
@article{arxiv.2509.13766,
title = {NDLPNet: A Location-Aware Nighttime Deraining Network and a Real-World Benchmark Dataset},
author = {Huichun Liu and Xiaosong Li and Yang Liu and Xiaoqi Cheng and Haishu Tan},
journal= {arXiv preprint arXiv:2509.13766},
year = {2025}
}