AutoAWG：通过自适应多重控制生成恶劣天气的汽车视频

恶劣天气下的感知鲁棒性仍然是自动驾驶面临的关键挑战，其核心瓶颈是恶劣天气下真实视频数据的稀缺。现有的天气生成方法很难平衡视觉质量和注释可重用性。我们推出了 AutoAWG，一种用于自动驾驶的可控恶劣天气视频生成框架。我们的方法采用语义引导的多种控制的自适应融合来平衡强天气风格化与安全关键目标的高保真度保存；利用消失点锚定时间合成策略从静态图像构建训练序列，从而减少对合成数据的依赖；并采用掩蔽训练来增强长视野生成稳定性。在 nuScenes 验证集上，AutoAWG 显着优于先前最先进的方法：在没有第一帧条件的情况下，FID 和 FVD 相对减少了 50.0% 和 16.1%；通过第一帧调节，它们分别进一步减少了 8.7% 和 7.2%。广泛的定性和定量结果证明了在风格保真度、时间一致性和语义结构完整性方面的优势，强调了 AutoAWG 在改善自动驾驶下游感知方面的实用价值。我们的代码位于：https://github.com/higherhu/AutoAWG