用于改善视觉感知的快速水下图像增强
计算机视觉与模式识别
2020-02-11 v3
摘要
本文提出了一种基于条件生成对抗网络的条件生成对抗网络模型，用于实时水下图像增强。为了监督对抗训练，我们构建了一个目标函数，基于图像的全局内容、颜色、局部纹理和风格信息评估其感知图像质量。我们还提出了 EUVP，一个大规模数据集，包含在海洋探索和人机协作实验中，使用七种不同相机在各种能见度条件下拍摄的（“差”质量和“好”质量）成对和不成对水下图像集合。此外，我们进行了多项定性和定量评估，表明所提出的模型能够从成对和不成对训练中学习增强水下图像质量。更重要的是，增强后的图像在标准模型的水下目标检测、人体姿态估计和显著性预测任务中提供了更好的性能。这些结果验证了该模型适用于视觉引导水下机器人自主流程中的实时预处理。该模型及相关的训练流程可在 https://github.com/xahidbuffon/funie-gan 获取。
引用
@article{arxiv.1903.09766,
title = {Fast Underwater Image Enhancement for Improved Visual Perception},
author = {Md Jahidul Islam and Youya Xia and Junaed Sattar},
journal= {arXiv preprint arXiv:1903.09766},
year = {2020}
}