LOBSTgER-enhance：一种水下图像增强管线
计算机视觉与模式识别
2026-02-06 v1
摘要
水下摄影面临对比度降低、空间模糊以及波长相关色彩失真等固有挑战。这些效应会遮蔽海洋生物的鲜活色彩，摄影师往往需要依赖重大的后期处理流程来纠正这些失真。我们开发了一个图像到图像的管线，通过引入人造损坏管线并利用扩散生成技术学习其效果的逆转，从而学习恢复水下退化。该方法在Keith Ellenbogen为意识摄影拍摄的少量高质量数据集上进行了训练和评估。经过从头训练在约2500张图像上后，所提出的方法在保持高感知一致性和强泛化性的同时，能够合成512×768尺寸的图像，模型规模约为1100万参数。
引用
@article{arxiv.2602.05163,
title = {LOBSTgER-enhance: an underwater image enhancement pipeline},
author = {Andreas Mentzelopoulos and Keith Ellenbogen},
journal= {arXiv preprint arXiv:2602.05163},
year = {2026}
}
备注
12 pages, 30 figures, work done as part of LOBSTgER