研究人员开发了RealWeather，这是一种新颖的驾驶世界模型，旨在实现逼真且场景忠实的天气转换。该模型直接从真实视频中学习天气动态，并采用一种称为渐进式现实主义引导（Progressive Realism Bootstrapping）的迭代数据精炼策略。为了确保结构完整性并防止幻觉，RealWeather采用了场景保真度强化学习优化（Scene-Fidelity RL Optimization），这是一种奖励驱动的策略，会惩罚对关键驾驶元素的改动。实验表明，RealWeather在视觉逼真度和结构保持方面优于现有方法，能够生成长尾天气场景并实现鲁棒的分布外泛化。 AI
影响 增强了合成驾驶数据中的逼真度和场景保持能力，可能改进自动驾驶汽车的训练和测试。
排序理由 这是一篇研究论文，详细介绍了一种在驾驶视频中进行天气转换的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- Progressive Realism Bootstrapping
- Pseudo-Clear Generation
- RealWeather
- Scene-Fidelity RL Optimization
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
