WeatherSeg：基于教师-学生双学习与分类器更新注意力的天气鲁棒图像分割
计算机视觉与模式识别
2026-04-29 v2 人工智能
摘要
WeatherSeg 是一个高级半监督分割框架，旨在解决自动驾驶在恶劣天气环境下的环境感知挑战，同时降低标注成本。该框架集成了双教师-学生权重共享模型（DTSWSM），可从受天气影响的图像中进行知识蒸馏；以及分类器权重更新注意力机制（CWUAM），可根据环境属性动态调整分类器权重。全面评估表明，WeatherSeg 在准确性和鲁棒性方面显著优于基线模型，适用于晴朗、雨天、阴天和雾天等各种天气情况，为自动驾驶及相关应用的全天候语义分割提供了有效解决方案。
引用
@article{arxiv.2604.22824,
title = {WeatherSeg: Weather-Robust Image Segmentation using Teacher-Student Dual Learning and Classifier-Updating Attention},
author = {Zhang Zhang and Yifeng Zeng and Houshi Jiang and Yinghui Pan},
journal= {arXiv preprint arXiv:2604.22824},
year = {2026}
}