用于水下图像增强的增强型 Swin-Convs Transformer
计算机视觉与模式识别
2022-05-03 v1 图像与视频处理
摘要
水下图像增强(UIE)技术旨在应对因光吸收与散射导致水下退化图像复原的挑战。针对这些问题,提出了一种基于 U-Net 的新型用于水下图像增强的增强型 Swin-Convs Transformer 方法(URSCT-UIE)。具体而言,鉴于基于纯卷积的 U-Net 的不足,我们将 Swin Transformer 嵌入 U-Net 以提升捕获全局依赖的能力。然后,鉴于 Swin Transformer 捕获局部注意力的不足,重新引入卷积可捕获更多局部注意力。因此,我们提供了一种巧妙的方式将卷积与核心注意力机制融合,构建增强型 Swin-Convs Transformer 模块(RSCTB)以捕获更多局部注意力,该模块在 Swin Transformer 的通道与空间注意力上得到增强。最后,在可用数据集上的实验结果表明,所提出的 URSCT-UIE 在主观与客观评价方面均与其他方法相比取得了最先进的性能。代码将在录用后发布于 GitHub。
引用
@article{arxiv.2205.00434,
title = {Reinforced Swin-Convs Transformer for Underwater Image Enhancement},
author = {Tingdi Ren and Haiyong Xu and Gangyi Jiang and Mei Yu and Ting Luo},
journal= {arXiv preprint arXiv:2205.00434},
year = {2022}
}
备注
Submitted by NeurIPS 2022