RainSD: 基于特征级风格分布的图像合成增强雨风格多样化模块

当前自动驾驶技术以L4或更高为目标，但研究人员在开发应对各种挑战的可靠驾驶算法时面临一些限制。为了促进自动驾驶汽车的广泛普及，解决该技术的安全问题至关重要。在各种安全担忧中，恶劣天气条件导致的传感器遮挡问题可能是自动驾驶中基于多任务学习的感知算法最频繁的威胁之一。为了解决这个问题，生成合适数据集的重要性日益凸显。本文提出了一种从真实道路数据集BDD100K生成的带有传感器遮挡的合成道路数据集，采用BDD100K注释格式。每帧的雨线通过实验建立的方程生成，并利用基于风格迁移的图像到图像翻译网络进行转换。使用该数据集，对自动驾驶中多种多任务网络（如车道检测、驾驶区域分割和交通目标检测）的性能退化进行了全面评估和分析。深入分析了基于深度神经网络的自动驾驶感知系统性能退化的趋势。最后，我们讨论了基于深度神经网络的感知算法和基于图像到图像翻译的自动驾驶数据集生成的局限性和未来方向。