arXiv · 机器人与计算机视觉· Haochen Hu, Yanrui Bin, Qihang Peng, Chih-yung Wen, Bing Wang·· 12 小时前AI 评分23
RQUL-UIE:通过数据集内自监督重振水下图像增强中的不稳定标签
RQUL-UIE: Revitalizing Quality-Unstable Labels for Underwater Image Enhancement via In-Dataset Self-Supervision
AI 导读
RQUL-UIE 框架利用输入到参考的修正估计,决定共享循环增强器由哪些参考进行监督。该方法在无需额外质量标注的情况下,结合层级潜空间增强与纹理细化技术,在三个评测集上优于 12 个基线模型。定性对比显示其在退化水下场景中实现了更优的色彩平衡与结构清晰度。
来源:arXiv · 机器人与计算机视觉 · arxiv.org