يتناول هذا العمل مشكلة فهم المشهد الدلالي في الظروف الضبابية. رغم التقدم الملحوظ الذي تحقق في فهم المشهد الدلالي، إلا أنه ركز بشكل أساسي على المشاهد الصافية. تعتبر توسيع طرق تقسيم المشهد إلى عناصر دلالية لتشمل الظروف الجوية السيئة مثل الضباب أمرًا حاسمًا للتطبيقات الخارجية. في هذه الورقة البحثية، نقترح طريقة جديدة تُسمى التكيف النموذجي التدريجي (CMAda)، والتي تقوم بتكيف نموذج تقسيم المشهد إلى عناصر دلالية تدريجيًا من الضباب الصناعي الخفيف إلى الضباب الحقيقي الكثيف عبر عدة خطوات، باستخدام بيانات ضبابية صناعية مصنفة وبيانات ضبابية حقيقية غير مصنفة.تعتمد هذه الطريقة على حقيقة أن نتائج تقسيم المشهد إلى عناصر دلالية في ظروف سيئة متوسطة (ضباب خفيف) يمكن استخدامها كأساس لحل نفس المشكلة في ظروف سيئة شديدة (ضباب كثيف). يمكن توسيع CMAda لتشمل ظروفًا سيئة أخرى وتوفير نموذج جديد للتعلم باستخدام البيانات الصناعية والبيانات الحقيقية غير المصنفة. بالإضافة إلى ذلك، نقدم ثلاثة إسهامات رئيسية مستقلة: 1) طريقة جديدة لإضافة ضباب صناعي للمشاهد الحقيقية الصافية باستخدام الإدخال الدلالي؛ 2) مقدر جديد لكثافة الضباب؛ 3) طريقة جديدة لتكثيف الضباب في المشاهد الضبابية الحقيقية دون استخدام العمق؛ و4) مجموعة بيانات Foggy Zurich التي تتكون من 3808 صورة ضبابية حقيقية، مع تصنيفات دلالية على مستوى البكسل لـ 40 صورة تحت ظروف ضباب كثيف.تظهر تجاربنا أن: 1) محاكاة الضباب ومقدر كثافة الضباب لدينا يتفوقان على نظرائهما الأكثر تقدمًا فيما يتعلق بمهمة فهم المشهد الضبابي الدلالي (SFSU)؛ 2) يحسن CMAda أداء النماذج الأكثر تقدمًا لـ SFSU بشكل كبير، مستفيدًا من بياناتنا الصناعية والضباب الحقيقية. يمكن الوصول إلى قواعد البيانات والشفرة البرمجية عبر موقع المشروع الإلكتروني.