VRS-UIE：用于水下图像增强的价值驱动重排序扫描
计算机视觉与模式识别
2025-10-16 v2 图像与视频处理
摘要
状态空间模型（SSMs）因其线性复杂度和全局感受野而成为视觉任务中一个有前景的骨干网络。然而，在水下图像增强（UIE）的背景下，标准的顺序扫描机制从根本上受到水下场景独特统计分布特征的挑战。大比例、均匀但无用的海洋背景会稀释稀疏但有价值目标的特征表示响应，从而阻碍有效的状态传播，并损害模型保留局部语义和全局结构的能力。为了解决这一局限性，我们提出了一种新颖的用于UIE的价值驱动重排序扫描框架，称为VRS-UIE。其核心创新是一个多粒度价值引导学习（MVGL）模块，该模块生成一个像素对齐的价值图，以动态重排SSM的扫描序列。这优先处理信息丰富的区域，以促进显著特征的长程状态传播。基于MVGL，我们设计了一个Mamba-Conv混合器（MCM）块，它协同集成了优先级驱动的全局排序与动态调整的局部卷积，从而有效地对大面积水下背景和高价值语义目标进行建模。跨特征桥（CFB）进一步优化了多级特征融合。大量实验表明，我们的VRS-UIE框架通过有效抑制水偏差并保持结构和色彩保真度，实现了新的最优性能，提供了卓越的增强性能（平均超过WMamba 0.89 dB）。此外，通过结合高效的卷积算子和分辨率重缩放，我们构建了一个轻量级但有效的方案VRS-UIE-S，适用于实时UIE应用。
引用
@article{arxiv.2505.01224,
title = {VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement},
author = {Kui Jiang and Yan Luo and Junjun Jiang and Ke Gu and Nan Ma and Xianming Liu},
journal= {arXiv preprint arXiv:2505.01224},
year = {2025}
}