利用四维光场增强水下成像：数据集与方法

本文深入探讨四维光场领域，以增强受光吸收、散射及其他挑战困扰的水下成像。与传统的二维 RGB 成像相比，四维光场成像擅长从多个视角捕捉场景，从而间接嵌入几何信息。这一内在特性有望有效应对与水下成像相关的挑战。通过利用四维光场图像中存在的显式与隐式深度线索，我们提出了一种用于水下四维光场图像增强与深度估计的渐进式相互促进框架。具体而言，我们的框架显式地利用估计的深度信息以及隐式的深度相关动态卷积核来调制输出特征。整个框架分解了这一复杂任务，迭代优化增强后的图像与深度信息，以逐步实现最优的增强效果。更重要的是，我们构建了首个基于四维光场的水下图像数据集，用于基于学习的方法的定量评估与监督训练，该数据集包含 75 个水下场景和 3675 对高分辨率 2K 图像对。为了构建生动且多样的水下场景，我们搭建了包含各种物体的水下环境，并采用了多种类型的退化。通过大量实验，我们展示了基于四维光场的水下成像相对于传统基于二维 RGB 方法的潜力与优越性。此外，我们的方法有效校正了色偏，并取得了 SOTA 性能。数据集和代码将公开于 https://github.com/linlos1234/LFUIE。