水下光场保留：面向水下成像的神经渲染
计算机视觉与模式识别
2022-04-26 v2 图像与视频处理
摘要
水下图像渲染旨在从给定的清晰图像生成逼真的水下图像，可应用于水下图像增强、相机滤镜和虚拟游戏等多种实际场景。我们探索了水下图像渲染中两个较少触及但具挑战性的问题，即：i）如何使用单一神经网络渲染多样的水下场景？ii）如何自适应地从自然范例（即真实水下图像）中学习水下光场？为此，我们提出一种面向水下成像的神经渲染方法，称为 UWNR（Underwater Neural Rendering，水下神经渲染）。具体而言，UWNR 是一个数据驱动的神经网络，从真实水下图像中隐式学习自然退化模型，避免了通过手工成像模型引入错误偏置。与现有水下图像生成方法相比，UWNR 利用自然光场模拟水下场景的主要特征。因此，它能够从一张清晰图像结合各种真实水下图像合成出种类丰富的水下图像。大量实验表明，我们的方法在视觉效果和定量指标上均优于以往方法。此外，我们采用 UWNR 构建了一个包含多种水质类型的开放大型神经渲染水下数据集，称为 LNRUD。源代码与 LNRUD 可在 https://github.com/Ephemeral182/UWNR 获取。
引用
@article{arxiv.2203.11006,
title = {Underwater Light Field Retention : Neural Rendering for Underwater Imaging},
author = {Tian Ye and Sixiang Chen and Yun Liu and Yi Ye and Erkang Chen and Yuche Li},
journal= {arXiv preprint arXiv:2203.11006},
year = {2022}
}