基于 GAN 的水下视觉质量实时提升研究
计算机视觉与模式识别
2020-03-26 v4 机器人学
摘要
低视觉质量阻碍了水下机器人视觉的广泛应用。尽管已开发若干算法,但面向真实世界任务的实时与自适应方法仍显不足。本文基于生成对抗网络(GAN)解决此困难,并提出一种基于 GAN 的恢复方案(GAN-RS)。特别地,我们开发了包含对抗分支与评判分支的多分支判别器,以同时保留图像内容并去除水下噪声。除对抗学习外,一种新颖的暗通道先验损失也促使生成器产生真实视觉。更具体地,研究了一种描述水下特性的水下指数,并设计了基于该指数的损失函数以训练评判分支实现水下噪声抑制。通过在视觉质量与特征恢复上的广泛对比,我们确认了所提方法的优越性。因此,GAN-RS 可实时自适应提升水下视觉质量并带来整体更优的恢复性能。最后,在海底进行了抓取海产品的真实世界实验,结果颇为 promising。源代码公开于 https://github.com/SeanChenxy/GAN_RS。
引用
@article{arxiv.1712.00736,
title = {Towards Real-Time Advancement of Underwater Visual Quality with GAN},
author = {Xingyu Chen and Junzhi Yu and Shihan Kong and Zhengxing Wu and Xi Fang and Li Wen},
journal= {arXiv preprint arXiv:1712.00736},
year = {2020}
}