UniDet-D：用于恶劣天气下目标检测的统一动态谱注意力模型
计算机视觉与模式识别
2025-08-06 v2
摘要
真实世界中的目标检测是一项具有挑战性的任务，因为捕获的图像/视频经常因各种恶劣天气条件（如雨、雾、雪、低光照等）而遭受复杂退化。尽管已有大量先前工作，但大多数现有方法针对特定类型的恶劣天气设计，存在泛化能力差、处理各种图像退化时视觉特征利用不足等限制。通过对恶劣天气图像中关键视觉细节如何丢失的理论分析，我们设计了 UniDet-D，一个统一框架以应对各种恶劣天气条件下的目标检测挑战，并在单一网络中实现目标检测和图像恢复。具体而言，所提出的 UniDet-D 包含一个动态谱注意力机制，自适应地强调信息丰富的谱分量同时抑制无关分量，从而在不同退化类型下实现更鲁棒和更具判别力的特征表示。大量实验表明，UniDet-D 在不同类型的恶劣天气退化下取得了优越的检测精度。此外，UniDet-D 在未见过的恶劣天气条件（如沙尘暴和雨雾混合）下展现出优越的泛化能力，突显了其在实际部署中的巨大潜力。
引用
@article{arxiv.2506.12324,
title = {UniDet-D: A Unified Dynamic Spectral Attention Model for Object Detection under Adverse Weathers},
author = {Wei Zhang and Yuantao Wang and Haowei Yang and Yin Zhuang and Shijian Lu and Xuerui Mao},
journal= {arXiv preprint arXiv:2506.12324},
year = {2025}
}