基于 Instruct Pix2Pix 的自动驾驶车辆在恶劣天气条件下的目标检测
计算机视觉与模式识别
2025-07-01 v2 人工智能
摘要
提升目标检测系统在恶劣天气条件下的鲁棒性是推动自动驾驶技术发展的关键。本研究提出了一种新方法，利用扩散模型 Instruct Pix2Pix 开发针对天气的提示方法，以生成带有天气增强的数据集，从而减轻恶劣天气对先进目标检测模型(包括 Faster R-CNN 和 YOLOv10)感知能力的影响。实验在 CARLA 模拟器中进行，初始评估了所提数据增强方法，然后在真实世界数据集 BDD100K 和 ACDC 上进行测试，证明了该方法在真实环境中的有效性。本工作的关键贡献有两点：(1) 识别并量化目标检测模型在恶劣天气条件下的性能差距；(2) 证明定制化数据增强策略可显著提升这些模型的鲁棒性。该研究为改善挑战性环境场景下感知系统的可靠性奠定了坚实基础，并为未来在自动驾驶领域的进一步发展提供了路径。
关键词
引用
@article{arxiv.2505.08228,
title = {Object detection in adverse weather conditions for autonomous vehicles using Instruct Pix2Pix},
author = {Unai Gurbindo and Axel Brando and Jaume Abella and Caroline König},
journal= {arXiv preprint arXiv:2505.08228},
year = {2025}
}
备注
8 pages, 5 figures. Accepted at the International Joint Conference on Neural Networks (IJCNN) 2025 (to appear)