基于风格解耦的自适应路由网络用于水下图像增强
计算机视觉与模式识别
2026-04-15 v1
摘要
水下图像增强 (UIE) 是实现海洋应用中稳健视觉感知的关键任务。然而，现有方法主要依赖针对平均数据分布所定制的统一映射，导致对轻度退化图像过度处理或对严重退化图像恢复不足。为此，我们提出了一种新型自适应增强框架 SDAR-Net。不同于现有的统一范式，SDAR-Net 首先解耦输入中特定的退化风格，然后对增强过程进行自适应调制。具体而言，由于水下退化主要改变外观而保持场景结构，SDAR-Net 通过精心设计的训练框架将图像特征划分为动态退化风格嵌入和静态场景结构表示。随后，我们引入自适应路由机制。通过评估风格特征并在不同增强状态下自适应预测软权重，引导对应图像表示的加权融合，准确满足每个图像的自适应恢复需求。大量实验表明，SDAR-Net 在真实世界基准上的 PSNR 达到 25.72 dB，实现了新的最佳性能 (SOTA)，并展示了其在下游视觉任务中的实用性。我们的代码可在 https://github.com/WHU-USI3DV/SDAR-Net 获取。
引用
@article{arxiv.2604.12257,
title = {Style-Decoupled Adaptive Routing Network for Underwater Image Enhancement},
author = {Hang Xu and Chen Long and Bing Wang and Hao Chen and Zhen Dong},
journal= {arXiv preprint arXiv:2604.12257},
year = {2026}
}