面向水下图像增强的 O-shaped 状态空间模型
计算机视觉与模式识别
2024-08-26 v1
摘要
水下图像增强（UIE）因复杂的水下照明条件面临着显著挑战。最近，基于 mamba 的方法在图像增强任务中取得了令人鼓舞的成果。然而，这些方法通常依赖 Vmamba，仅关注空间信息建模，难以处理因光波长衰减引起的水下图像跨色道依赖问题，限制了深度网络的有效利用。在本文中，我们提出了一种名为 O-mamba 的新型 UIE 框架。O-mamba 采用 O 形双分支网络分别建模空间信息和跨色道信息，利用针对水下图像优化的状态空间模型具有的高效全局感受野。为增强两个分支之间的信息交互并有效利用多尺度信息，我们设计了多尺度双互促模块。该模块包括用于在分支内部融合多尺度信息的 MS-MoE、用于跨分支实现空间信息与色道信息相互促进的互促模块，以及用于最大化利用多尺度信息的循环多尺度优化策略。大量实验表明，我们的方法在 SOTA 水平取得了优异结果。代码已公开于 https://github.com/chenydong/O-Mamba。
引用
@article{arxiv.2408.12816,
title = {O-Mamba: O-shape State-Space Model for Underwater Image Enhancement},
author = {Chenyu Dong and Chen Zhao and Weiling Cai and Bo Yang},
journal= {arXiv preprint arXiv:2408.12816},
year = {2024}
}