BriefGPT - AI 论文速递
·
UWFormer：一种基于半监督多尺度 Transformer 的水下图像增强方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种利用水下图像和高斯噪声作为输入，采用条件降噪扩散概率模型生成相应的增强图像的方法。采用了基于轻量级 Transformer 的降噪网络和跳跃抽样策略。提出了两种不同的非均匀抽样方法。实验结果表明，该方法具有竞争性的性能和高效性。
🎯
关键要点
- 本文提出了一种利用水下图像和高斯噪声作为输入的图像增强方法。
- 采用条件降噪扩散概率模型生成增强图像。
- 引入基于轻量级 Transformer 的降噪网络以提高网络正向时间。
- 采用跳跃抽样策略减少迭代次数。
- 提出两种非均匀抽样方法：分段抽样和使用进化算法进行搜索。
- 实验结果表明该方法具有竞争性的性能和高效性。
- 代码可在 https://github.com/piggy2009/DM_underwater 获取。
➡️
