列车复杂环境鲁棒可用
面向列车运行中雾天、弱光、隧道等多种复杂环境，能自适应调整专家模块并融合全局与局部特征，恢复清晰图像细节。
Xin, Liu · 王红平 · 宋林森 · Zhang, Yiwen · Xiaoxu, Zhang · Chunbo, Liu · Xiao, Shang · 刘静茹 · Yuanting, Yang · Xinming, Zhang
Neurocomputing 2025
通过多个专家模块各司其职，分别提取不同退化场景下的特征，避免单一模型顾此失彼，从而在雾天、弱光、隧道等情况下都能提升清晰度。
动态权重生成机制根据输入图像特征实时调整各专家的贡献，使特征融合与当前场景匹配，而不是固定不变，从而在复杂环境中获得更鲁棒的恢复结果。
编码器-解码器之间的注意力交互让全局上下文和局部细节信息互相补充，保证了复杂环境下的图像恢复既能看清大结构也能保留细微纹理。