基于天气条件的分支路由：鲁棒LiDAR雷达3D目标检测
计算机视觉与模式识别
2026-04-08 v1
摘要
在恶劣天气条件下的3D目标检测高度具有挑战性，因为不同传感器的可靠性会随环境条件而变化。虽然现有的LiDAR-4D雷达融合方法提高了鲁棒性，但主要依赖固定或弱自适应的管道，无法动态调整随环境条件变化的模态偏好。为弥合这一差距，我们将多模态感知重新表述为天气条件分支路由问题。我们的框架显式地维护三个平行的3D特征流：纯LiDAR分支、纯4D雷达分支以及条件门控融合分支。受来自视觉和语义提示的条件标记驱动，轻量级路由器动态预测样本特定的权重，以软方式聚合这些表示。此外，为防止分支崩溃，我们引入一种天气监督的学习策略，采用辅助分类和多样性正则化，以强制实现不同、条件依赖的路由行为。大量实验在K-Radar基准测试上表明，我们的方法实现了最高的性能。进一步地，它提供了显式且高度可解释的模态偏好洞察，透明地揭示了自适应路由如何在多样化恶劣天气场景中稳健地在LiDAR和4D雷达之间转移依赖。源代码将公开发布。
引用
@article{arxiv.2604.05405,
title = {Weather-Conditioned Branch Routing for Robust LiDAR-Radar 3D Object Detection},
author = {Hongsheng Li and Lingfeng Zhang and Zexian Yang and Liang Li and Rong Yin and Xiaoshuai Hao and Wenbo Ding},
journal= {arXiv preprint arXiv:2604.05405},
year = {2026}
}