NiteDR: 跨视传感器协作学习的动态驾驶场景夜间图像去雨
原文中文，约300字，阅读约需1分钟。发表于：。针对夜间行驶场景中受雨水降解影响、图像质量和能见度下降的问题，我们开发了一个夜间行驶场景下的图像去雨框架，通过可见光和红外图像的跨视图融合，去除雨痕、丰富场景表征并恢复有用信息，实验证明了我们提出的跨视图合作学习方法在低光强雨水环境下具有较好效果，并弥补了现有去雨算法在特定低光条件下的利用缺口。
本文提出了一种新颖的雨水模拟方法DRET，结合动力学和雨天环境理论，扩展用于3D检测训练的现实雨水数据。同时，提出了一种从晴天到雨天的知识蒸馏方法SRKD，增强在雨天条件下的3D检测能力。实验证明，该框架能显著提高检测准确性，同时不损失效率，还能提高在晴天条件下的检测能力，提供了一种强大的3D检测解决方案。
