汽车AVM成像去噪及增强

开发专用时序 AI 去噪算法，针对性优化低光照（地库 / 隧道 / 夜景）画质，兼顾白天画面保真，最终部署至高通 8397 座舱 NPU 量产上车。

2. 技术现状与现存痛点

基线方案 FastDVDNet ，泛化能力差，地库去噪弱、白天过曝失真；

现有训练数据集单一，缺少高 ISO 真实室内样本、户外动态行车样本、极低噪声地库样本；混合 CRVD、PVDD 数据集后出现域偏移、模型脑补雪花；

教师模型 VRT 显存占用高，训练迭代慢，且缺少低光分层建模能力；

本地存储容量不足，多套训练集、消融实验权重、路采测评视频无法同时留存，频繁删存导致重复预处理，研发效率极低；

缺少适配低光场景的新型时序去噪模型，旧模型无法区分传感器噪声、AE 曝光漂移、运动纹理，推理时易反向生成伪噪点。