GRADE：视觉退化下的单帧生成雷达深度估计

由于光学传感器无法穿透空气中的颗粒物，密集 3D 深度感知在烟雾、雾气和黑暗条件下会失效。在这些条件下，毫米波雷达仍然可用并准确测量距离，但其小孔径限制了角分辨率。我们提出了 GRADE，它基于单帧雷达几何中的预训练生成先验来估计高保真度量深度。 GRADE 首先将原始 4D 雷达频谱映射到粗略的度量深度。然后，潜在扩散主干恢复结构细节，同时根据该估计调节每个去噪步骤。像素空间适配器使用剩余的相机线索（如果可用），并在清晰、烟雾退化和遮挡的输入上进行训练，以便在能见度下降时，完整的输出接近雷达调节的路径。 GRADE 在 12 栋具有真实烟雾的建筑物中的约 95K 帧上进行了训练和评估，在清晰场景中实现了 0.303 m 的 MAE，在烟雾下实现了 0.313 m 的 MAE，优于现有基线。代码和数据集可在 https://phi-lab-rice.github.io/GRADE 获取。