专家操作GANS：实现真实色水下图像恢复

复杂光传播、散射和深度相关衰减导致的形变性伪影使水下图像恢复始终保持具有挑战性的难题。像其他单一深度回归网络一样，传统基于生成对抗网络（GAN）的恢复方法在跨域异质数据上表现不佳，因为单个生成器网络通常不足以捕获完整的视觉退化范围。为克服这一局限，本文提出了xOp-GAN，这是一种具有多个专家生成器网络的新型GAN模型，每个生成器仅在特定图像质量子集上进行训练，从而学习在特定质量范围内最大化恢复性能的能力。训练完成后，xOp-GAN中的每个生成器都可用于恢复输入图像，最终通过判别器基于其感知置信度评分选择最佳恢复图像。结果表明，xOp-GAN是首个在推断阶段使用判别器进行回归任务的多生成器GAN模型。在基准的大规模水下图像（LSUI）数据集上实验结果显示，xOp-GAN的PSNR可达25.16 dB，显著优于所有单一回归模型，同时具有降低复杂度。