UniV2D：桥接视觉恢复与语义感知的 underwater salient object detection 网络
计算机视觉与模式识别
2026-05-11 v1
摘要
Underwater salient object detection（USOD）在海洋视觉任务中发挥着关键作用，但由于严重的视觉退化（如选择性吸收和介质散射），仍面临根本性挑战。传统管道通常采用“增强后检测”的顺序范式。然而，将低层视觉恢复与高层语义感知隔离，常导致语义不一致，即恢复后的图像可能并非最适合检测，甚至会引入任务无关的噪声。为打破这种顺序瓶颈，我们提出 UniV2D，一个统一的 Vision-to-Detection 网络，在相互促进的框架内联合优化视觉恢复和显著物体检测。与传统方法依赖非一致管道或刚性物理先验不同，UniV2D 引入了基于语义的学习范式：高层显著语义主动指导恢复过程，而恢复的视觉线索则反向增强显著感知。具体而言，UniV2D 具备层次化双支架结构。它首先采用自校准解码器预测初始显著掩码，同时通过掩码感知的恢复模块重构图像内容。随后，利用掩码引导的细化模块配合跨层调制，用于对齐结构保真度与语义一致性。广泛的实验在多个基准上表明，UniV2D 在定量和定性评估中均显著优于最先进的方法，确立了联合 underwater perception 的新标准。
引用
@article{arxiv.2605.07146,
title = {UniV2D: Bridging Visual Restoration and Semantic Perception for Underwater Salient Object Detection},
author = {Laibin Chang and Shaodong Wang and Yunke Wang and Xu Zhang and Kui Jiang and Chang Xu and Bo Du},
journal= {arXiv preprint arXiv:2605.07146},
year = {2026}
}