PulseAugur
实时 05:29:29
English(EN) From Fog Chamber to Aircraft Window: Pixel-Registered Imaging and Synthetic Fine-Tuning Enable Cross-Domain Defogging

新型去雾AI无需目标训练即可实现跨域泛化

研究人员开发了一种新颖的深度去雾管线,该管线展示了卓越的跨域泛化能力。该系统最初在受控的实验室雾气条件下进行训练,然后使用应用于清晰户外场景的合成雾气进行微调。这种方法使得该管线能够在各种真实场景的图像(包括通过飞机舷窗拍摄的视频素材)中有效去除雾气,而无需任何目标域特定的训练数据。其成功的关键在于一个精确像素对齐的雾/晴图像对数据集和一个包含随机合成雾气变化的微调过程。 AI

影响 这项研究可能显著提高恶劣天气条件下图像的清晰度,应用于自动驾驶和航空监视等领域。

排序理由 详细介绍新AI模型和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型去雾AI无需目标训练即可实现跨域泛化

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Alexander Ingold, Sabina D. Menon, Manya Yellepeddy, Alec Ikei, John D. Hodges, Jordan Baker, Syed N. Qadri, Rajesh Menon ·

    From Fog Chamber to Aircraft Window: Pixel-Registered Imaging and Synthetic Fine-Tuning Enable Cross-Domain Defogging

    arXiv:2606.29093v1 Announce Type: new Abstract: A deep defogging pipeline pretrained on controlled laboratory fog and fine-tuned with domain-randomized synthetic fog applied to clear outdoor scenes generalizes across a graded sequence of out-of-distribution settings with no targe…