用于水下图像恢复的单步潜在扩散模型
计算机视觉与模式识别
2025-07-14 v2
摘要
水下图像恢复算法旨在恢复在水下成像场景的颜色、对比度和外观。在从海洋生态学和水产养殖到水下施工和考古学的应用中，它们是关键工具。虽然现有的基于像素域扩散的图像恢复方法在恢复深度变化有限的简单场景时很有效，但它们计算量巨大，并且在应用于具有复杂几何结构和显著深度变化的场景时常常产生不真实的伪影。在这项工作中，我们通过将一种新颖的网络架构（SLURPP）与精确的合成数据生成流水线相结合，克服了这些局限性。SLURPP 将预训练的潜在扩散模型（编码了场景几何和深度的强先验）与显式场景分解（允许对光衰减和后向散射的影响进行建模和解释）相结合。为了训练 SLURPP，我们设计了一个基于物理的水下图像合成流水线，该流水线对现有的陆地图像数据集应用了多样且逼真的水下退化效果。这种方法能够生成具有密集介质/退化标注的多样化训练数据。我们在合成和真实世界基准上广泛评估了我们的方法，并展示了最先进的性能。值得注意的是，SLURPP 比现有的基于扩散的方法快 200 倍以上，同时在合成基准上的 PSNR 提高了约 3 dB。它在真实世界数据上也提供了令人信服的定性改进。项目网站 https://tianfwang.github.io/slurpp/。
引用
@article{arxiv.2507.07878,
title = {Single-Step Latent Diffusion for Underwater Image Restoration},
author = {Jiayi Wu and Tianfu Wang and Md Abu Bakr Siddique and Md Jahidul Islam and Cornelia Fermuller and Yiannis Aloimonos and Christopher A. Metzler},
journal= {arXiv preprint arXiv:2507.07878},
year = {2025}
}