UStyle: 基于深度引导特征合成的水下场景水体风格迁移
计算机视觉与模式识别
2025-12-15 v3 图像与视频处理
摘要
水体风格迁移在水下成像与视觉文献中尚未得到充分探索。传统图像风格迁移方法主要聚焦于艺术性与照片级融合，往往无法保存在高散射介质（如水下）中拍摄的图像中的物体与场景几何结构。波长依赖的非线性衰减和深度依赖的后向散射伪影进一步增加了从无配对数据中学习水下图像风格迁移的难度。本文提出 UStyle——首个无需参考图像或场景信息即可在水下图像之间迁移水体风格的数据驱动学习框架。我们提出一种新颖的深度感知白化与着色变换（DA-WCT）机制，融合基于物理的水体合成，以确保感知一致的风格化同时保留场景结构。为提升风格迁移质量，我们设计了精心设计的损失函数，引导 UStyle 维持色彩丰富度、亮度、结构完整性、频域特征以及 VGG 和 CLIP（对比语言-图像预训练）特征空间中的高层内容。通过解决领域特定挑战，UStyle 为无参考水下图像风格迁移提供了一个鲁棒框架，超越了仅依赖端到端重建损失的最先进方法。此外，我们引入 UF7D 数据集——一个涵盖七种不同水体风格的高分辨率水下图像精选集合，为未来水下图像风格迁移研究建立了基准。UStyle 推理流水线与 UF7D 数据集发布于：https://github.com/uf-robopi/UStyle。
引用
@article{arxiv.2503.11893,
title = {UStyle: Waterbody Style Transfer of Underwater Scenes by Depth-Guided Feature Synthesis},
author = {Md Abu Bakr Siddique and Vaishnav Ramesh and Junliang Liu and Piyush Singh and Md Jahidul Islam},
journal= {arXiv preprint arXiv:2503.11893},
year = {2025}
}