本研究提出了一种新颖的水下图像增强算法UIE-SNN，基于脉冲神经网络，能耗降低85%，同时保持图像清晰度，为海洋自主视觉导航提供技术支持。

本论文提出了一种名为RAUNE-Net的UIE网络，通过应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。

本论文提出了一种名为RAUNE-Net的UIE网络，通过应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。

本文介绍了一种基于图像条件扩散变换器（ICDT）的水下图像增强方法。通过将退化的水下图像转换为潜空间，并应用ICDT，该方法具有可扩展性和高质量的图像增强效果。实验结果表明，ICDT在图像增强方面优于其他方法。

本论文介绍了一种用于水下图像增强和检测任务的协作对抗鲁棒性网络（CARNet）。该网络通过引入可逆网络来隔离攻击，并结合同步训练策略和攻击模式判别器来提高鲁棒性。实验证明该方法在增强图像和检测方面优于最先进方法。

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。

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。

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。

本文提出了一种通过使用扩散模型进行水下图像增强的方法。该方法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增强图像。作者采用了基于轻量级Transformer的降噪网络和跳跃抽样策略来提高反向过程的效率。实验结果表明，该方法在水下增强任务上具有竞争性的性能和高效性。