WaterFlow：基于显式物理先验校正流的 underwater saliency mask 生成
计算机视觉与模式识别
2026-01-29 v2
摘要
underwater Salient Object Detection (USOD) 面临显著挑战，包括图像质量退化和领域差距。现有方法倾向于忽视水下成像的物理原理，或仅将退化现象视为必须消除的干扰因素，未能充分利用其所包含的有价值信息。我们提出了 WaterFlow，一种基于校正流框架的水下显著对象检测方法，创新性地将水下物理成像信息作为显式先验直接注入网络训练过程，并引入时序维建模，显著增强了模型的显著对象识别能力。在 USOD10K 数据集上，WaterFlow 在 S_m 指标上实现了 0.072 的提升，证明了该方法的有效性和优越性。https://github.com/Theo-polis/WaterFlow
引用
@article{arxiv.2510.12605,
title = {WaterFlow: Explicit Physics-Prior Rectified Flow for Underwater Saliency Mask Generation},
author = {Runting Li and Shijie Lian and Hua Li and Yutong Li and Wenhui Wu and Sam Kwong},
journal= {arXiv preprint arXiv:2510.12605},
year = {2026}
}