BriefGPT - AI 论文速递
·
UIEDP：基于扩散先验的水下图像增强
💡
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。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和一致的视觉结果。
🎯
关键要点
- 本论文提出了一种名为RAUNE-Net的UIE网络。
- RAUNE-Net利用深度学习中的残差和注意机制，提高水下图像增强性能。
- 网络在瓶颈处使用高级特征的残差学习。
- 下采样过程中进行了两个方面的注意操纵。
- 收集并创建了两个特别设计用于评估UIE方法的数据集。
- 数据集包含不同类型的水下失真和退化。
- 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和一致的视觉结果。
- 与其他八种UIE方法相比，RAUNE-Net在各种真实水下图像上表现优越。
➡️
