UW-ProCCaps：基于胶囊的水下渐进式着色
计算机视觉与模式识别
2023-07-21 v2
摘要
水下图像对于研究和理解海洋生物状况至关重要。我们致力于减少图像存储所需的内存空间，而采集阶段的内存消耗限制了该阶段的持续时间，导致需要更多的图像采集活动。我们提出了一种新颖的机器学习模型，可从水下图像的发光通道重建其颜色，从而节省 2/3 的可用存储空间。我们的模型专攻水下颜色重建，由编码器-解码器架构组成。编码器由一个卷积编码器与一个用 webly 监督数据训练的并行专用分类器构成。编码器与解码器使用胶囊层以捕获图像中实体的特征。颜色重建过程借鉴了渐进式与生成对抗训练流程。渐进式训练为聚焦于颜色精炼的生成对抗例程奠定基础，赋予图像明亮且饱和的色彩，使图像恢复生机。我们在四个基准数据集上从定性与定量两方面验证了模型。这是对灰度水下图像颜色重建的首次尝试。在四个基准数据集上的广泛结果表明，我们的方案优于最先进（SOTA）方案。我们还证明，生成的着色相比 SOTA 的增强模型提升了图像质量。
引用
@article{arxiv.2307.01091,
title = {UW-ProCCaps: UnderWater Progressive Colourisation with Capsules},
author = {Rita Pucci and Niki Martinel},
journal= {arXiv preprint arXiv:2307.01091},
year = {2023}
}