研究人员开发了 CADENet，这是一个旨在提高自动驾驶汽车在雨、雾、雪等恶劣天气条件下物体检测能力的新系统。该系统采用三线程方法，可在不引入延迟的情况下提高图像质量，这对于实时安全要求至关重要。CADENet 利用条件自适应增强和 CLIP 零样本天气分类，使其能够在无需重新训练的情况下适应新的天气类型。 AI
影响 增强自动驾驶汽车的感知系统，有可能在恶劣天气条件下提高安全性。
排序理由 该集群包含一篇详细介绍新技术方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Adverse weather (rain, fog, sand, and snow) degrades camera-based object detection in autonomous vehicles. Existing enhancement-then-detect approaches stall the safety-critical perception loop, violating hard real-time requirements. Progress on this problem is also constrained by…
Adverse weather (rain, fog, sand, and snow) degrades camera-based object detection in autonomous vehicles. Existing enhancement-then-detect approaches stall the safety-critical perception loop, violating hard real-time requirements. Progress on this problem is also constrained by…