面向真实水下数据集生成与色彩复原的研究
计算机视觉与模式识别
2022-12-19 v2 图像与视频处理
摘要
从水下图像中恢复真实色彩是一个不适定问题。这是因为 RGB 颜色通道的宽带衰减系数依赖于物体距离、反射率等难以建模的因素。此外，水中悬浮颗粒还会引起后向散射。因此，大多数基于深度学习、在合成水下数据集上训练的色彩复原方法在真实水下数据上表现不佳。这可归因于合成数据无法准确表征真实条件。为解决此问题，我们使用图像到图像翻译网络，通过将合成水下域的图像翻译为真实水下域，来弥合合成域与真实域之间的差距。利用这种多模态域自适应技术，我们创建了一个能够捕捉多样化水下条件的数据集。然后，我们在域自适应数据集上训练一个简单但有效的基于 CNN 的网络来执行色彩复原。代码与预训练模型可在 https://github.com/nehamjain10/TRUDGCR 获取。
引用
@article{arxiv.2211.14821,
title = {Towards Realistic Underwater Dataset Generation and Color Restoration},
author = {Neham Jain and Gopi Matta and Kaushik Mitra},
journal= {arXiv preprint arXiv:2211.14821},
year = {2022}
}
备注
Published at The Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP) 2022