混合:一种混合物理神经解决方案,用于无监督的水下图像恢复

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 光学物理学 光学物理学

背景情况:

• 由于缺少配对数据,水下图像的恢复具有挑战性.
• 现有的无监督的方法会受到模式崩和色彩校正不良的影响.
• 基于物理的模型对于准确的水下图像恢复至关重要.

研究的目的:

• 提出一个数据和物理驱动的无监督架构,用于水下图像修复.
• 为了改善恢复水下图像的颜色校正和质量提升.
• 解决目前无监督生成对抗网络方法的局限性.

主要方法:

• 为了设计发电机,他采用了贾菲-麦克格莱默里退化理论.
• 利用神经网络来建模水下视觉退化.
• 对场景深度和退化因子施加物理约束,用于反向散射估计.

主要成果:

• 在没有监督的情况下实现了无限制的水下图像的高质量恢复.
• 在多个基准指标上表现优于几种最先进的监督和无监督方法.
• 在现实世界水下图像修复应用中表现出令人鼓舞的结果.

结论:

• 拟议的混合物理神经模型有效地恢复了水下图像.
• 物理驱动的无监督学习为水下视觉挑战提供了强大的解决方案.
• 该方法为实际的水下成像应用提供了重大进步.