天气自适应融合网络

雨雾雪下可靠检测

利用视觉语言模型提取语义天气描述并动态调整模态权重，与现有静态融合方法相比，在恶劣天气下检测鲁棒性显著提升。

Wang, Weimin · Ruifeng, Nie · Yingchi, Liu · Ma, Long · Xu, Chengpei · 贾棋 · Liu, Yu · 雷娜

Pattern Recognition 2026

技术优势

恶劣天气下检测更稳

通过VLM提取天气语义并动态调整各模态权重，让融合策略与天气条件匹配，因此雨、雾、雪、夜间场景下检测可靠性显著提高。

融合策略能随天气变化

利用VLM从图像中提取语义天气描述并嵌入为自适应引导特征，给不同模态分配不同权重，因此不再受限于静态融合。

每个模块都带来提升

消融实验显示天气自适应引导、BEV对齐和双流融合结构各自带来稳定提升，因此设计有效且可解释。

应用场景

• 自动驾驶感知：在雨雾雪等恶劣天气下保持稳定的目标检测，避免融合策略失效导致的事故风险。
• 多模态融合感知：用VLM动态调整雷达、激光雷达和相机的融合权重，替代固定权重的融合方式。