MAC-Lookup：用于水下图像增强的多轴条件查找模型
计算机视觉与模式识别
2025-07-04 v1
摘要
增强水下图像对探索至关重要。由于光线变化、水体浑浊度和气泡，这些图像面临可见度和颜色问题。传统的基于先验的方法和基于像素的方法通常会失败，而深度学习缺乏足够的高质量数据集。我们引入了多轴条件查找（MAC-Lookup）模型，通过提高颜色准确度、清晰度和对比度来增强视觉质量。它包括用于初步颜色和质量校正的条件 3D 查找表颜色校正（CLTCC）以及用于细节精修的多轴自适应增强（MAAE）。该模型在处理水下挑战的同时防止过度增强和饱和。大量实验表明，MAC-Lookup 在恢复细节和颜色方面优于现有方法，在水下图像增强中表现出色。代码地址为 https://github.com/onlycatdoraemon/MAC-Lookup。
引用
@article{arxiv.2507.02270,
title = {MAC-Lookup: Multi-Axis Conditional Lookup Model for Underwater Image Enhancement},
author = {Fanghai Yi and Zehong Zheng and Zexiao Liang and Yihang Dong and Xiyang Fang and Wangyu Wu and Xuhang Chen},
journal= {arXiv preprint arXiv:2507.02270},
year = {2025}
}
备注
Accepted by IEEE SMC 2025