面向水下图像增强的语义感知纹理-结构特征协作方法
计算机视觉与模式识别
2022-11-22 v1
摘要
水下图像增强作为海洋工程和水下机器人中的一项重要技术，已成为一个引人关注的研究课题。然而，有限的数据集与不完美的人工标注真值削弱了其面对未知场景的鲁棒性，并阻碍了其向高层视觉任务的应用。为应对上述局限，我们开发了一种高效紧凑的增强网络，并与高层语义感知预训练模型相协作，旨在利用其层次化特征表示作为底层水下图像增强的辅助信息。具体而言，我们将语义感知模型中的浅层特征视为纹理、深层特征视为结构，并提出多路径上下文特征精炼模块（CFRM）以在多尺度上精炼特征并建模不同特征间的相关性。此外，设计了一种特征主导网络，对聚合的纹理与结构特征进行通道调制，以适应增强网络不同的特征模式。在基准数据集上的大量实验表明，所提算法取得了更具吸引力的结果，并以较大优势优于当前最优方法。我们还将所提算法应用于水下显著目标检测任务，以揭示其对高层视觉任务有利的语义感知能力。代码已发布于 STSC。
引用
@article{arxiv.2211.10608,
title = {Semantic-aware Texture-Structure Feature Collaboration for Underwater Image Enhancement},
author = {Di Wang and Long Ma and Risheng Liu and Xin Fan},
journal= {arXiv preprint arXiv:2211.10608},
year = {2022}
}
备注
Accepted by ICRA2022