UW-CVGAN：基于胶囊向量量化的水下图像增强
计算机视觉与模式识别
2023-02-03 v1 机器学习
图像与视频处理
摘要
水下图像的退化源于波长相关的光衰减、散射以及拍摄水域类型的多样性。深度神经网络在这一领域迈出了一步，提供了能够实现水下图像增强的自主模型。我们基于 VQGAN 的离散特征量化范式，引入用于该任务的水下胶囊向量 GAN UWCVGAN。所提出的 UWCVGAN 结合了一个将图像压缩为潜表示的编码网络，以及一个能从仅有的潜表示重建增强图像的译码网络。与 VQGAN 不同，UWCVGAN 通过利用胶囊层的聚类能力实现特征量化，使模型完全可训练且更易于管理。该模型获得了具有高质量和精细细节的增强水下图像。此外，训练好的编码器独立于译码器，可被嵌入采集端作为压缩算法，以 的因子减少图像所需内存空间。\myUWCVGAN{ }在基准数据集上通过定量和定性分析进行了验证，并给出了与当前最优方法比较的度量结果。
引用
@article{arxiv.2302.01144,
title = {UW-CVGAN: UnderWater Image Enhancement with Capsules Vectors Quantization},
author = {Rita Pucci and Christian Micheloni and Niki Martinel},
journal= {arXiv preprint arXiv:2302.01144},
year = {2023}
}