BriefGPT - AI 论文速递
·
端到端水下视频增强：数据集与模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本论文提出了一种名为RAUNE-Net的UIE网络，利用深度学习中的残差和注意机制，提高了水下图像增强的性能和结果一致性。实验证明该方法在真实水下图像上表现出有前途的客观性能。
🎯
关键要点
- 提出了一种名为RAUNE-Net的UIE网络，利用深度学习中的残差和注意机制。
- RAUNE-Net在瓶颈处使用高级特征的残差学习，并在下采样过程中进行注意操纵。
- 收集和创建了两个特别设计的数据集，用于评估UIE方法，包含不同类型的水下失真和退化。
- 实验证明RAUNE-Net在真实水下图像上表现出有前途的客观性能和一致的视觉结果。
➡️
