近日，我校智能信息处理团的论文Monocular Depth Estimation on Adverse Weathers with Curriculum Domain Distribution Alignment被SCI 1区期刊IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY录用。第一作者为团队博士生张杰华，指导老师为我校颜成钢教授和中科院计算所李亮研究员，由西安交通大学，杭州电子科技大学和中国科学院计算技术研究所合作完成。

       该研究主要关注恶劣天气条件下的深度图预测。在现实环境中，受雨雾等环境因素导致的能见度降低影响，正常条件下训练的模型在恶劣天气下将无法准确预测物体的深度信息。为解决这一问题，该研究提出通过课程域分布对齐算法，在特征空间渐进的对齐正常天气和恶劣天气的数据分布以学习跨域共享的深度特征。为了实现由易到难的数据分布对齐，该研究将恶劣天气数据按能见度由高到底构建为多个子集，并学习一个动态权重控制分布对齐的进程。为了实现数据跨域分布对齐并保持特征尺度，奇异值分解被引入解耦尺度无关的特征向量，并通过特征子空间主角对齐减小跨域数据分布差异。

       通过上述方法，该研究有效提高了6个深度估计框架在恶劣天气条件下的泛化性,实现了雨、雾、雪，以及不同光照条件下的深度图预测。