UVEB：面向真实 underwater video 增强的大规模基准与基线

基于学习的 underwater 图像增强（UIE）方法取得了显著进展。然而，缺乏大规模且高质量的配对训练样本已成为限制 UIE 发展的主要瓶颈。 underwater 视频中的帧间信息可加速或优化 UIE process。因此，我们构建了第一个大规模高分辨率 underwater video 增强基准（UVEB），以推动 underwater vision 的发展。该基准包含 1,308 对视频序列和超过 453,000 帧高分辨率的配对样本，其中 38% 为 Ultra-High-Definition（UHD）4K 分辨率帧对。UVEB 由多个国家提供，包含多种场景和视频退化类型，以适应多样化且复杂的 underwater 环境。我们还提出了第一个监督式 underwater video 增强方法，UVE-Net。UVE-Net 将当前帧信息转换为卷积核，并传递给相邻帧以实现高效的帧间信息交换。通过充分利用 underwater 视频中冗余的退化信息，UVE-Net 完成了更好的 video 增强。实验表明，该网络设计有效且性能良好。