SyreaNet：一种融合合成与真实图像且受物理引导的水下图像增强框架
计算机视觉与模式识别
2023-05-29 v2 人工智能
摘要
水下图像增强（UIE）对高层视觉相关的水下任务至关重要。尽管基于学习的 UIE 方法近年来取得显著成就，但持续应对各类水下条件对其而言仍具挑战，这可能源于：1）UIE 中使用简化的大气图像形成模型可能导致严重误差；2）仅用合成图像训练的网络可能难以很好地泛化至真实水下图像。本工作中，我们首次提出一种用于 UIE 的框架 SyreaNet，其在修正的水下图像形成模型与新颖域适应（DA）策略引导下融合合成与真实数据。首先，提出基于修正模型的 underwater 图像合成模块。随后，设计物理引导的解耦网络，通过结合合成与真实水下图像来预测清晰图像。通过充分交换域知识来缩减域内与域间差距。大量实验从定性与定量上证明了我们的框架优于其他最先进（SOTA）的基于学习的 UIE 方法。代码与数据集公开于 https://github.com/RockWenJJ/SyreaNet.git。
引用
@article{arxiv.2302.08269,
title = {SyreaNet: A Physically Guided Underwater Image Enhancement Framework Integrating Synthetic and Real Images},
author = {Junjie Wen and Jinqiang Cui and Zhenjun Zhao and Ruixin Yan and Zhi Gao and Lihua Dou and Ben M. Chen},
journal= {arXiv preprint arXiv:2302.08269},
year = {2023}
}
备注
ICRA23