UnDIVE: 利用生成先验的广义水下视频增强

随着海洋探索的兴起，水下成像已成为一个备受关注的研究课题。水下视频增强对于海洋探索中的实时计算机视觉任务变得至关重要。然而，大多数现有方法侧重于增强单帧图像而忽略了视频时间动态，导致视觉效果不佳的增强结果。此外，真实参考数据的缺乏限制了大量可用水下视频数据在许多应用中的使用。为了解决这些问题，我们提出了一个用于增强水下视频的两阶段框架。第一阶段使用去噪扩散概率模型从无标注数据中学习生成先验，捕获鲁棒且具有描述性的特征表示。在第二阶段，该先验被纳入基于物理的图像建模中用于空间增强，同时强制视频帧之间的时间一致性。我们的方法能够在较低分辨率下实现对高分辨率水下视频的实时和计算高效处理，并在多种水体类型下提供高效增强。在四个数据集上的广泛实验表明，我们的方法泛化能力强且优于现有的增强方法。我们的代码可在 github.com/suhas-srinath/undive 获取。