論文の概要: WWE-UIE: A Wavelet & White Balance Efficient Network for Underwater Image Enhancement

• arxiv url: http://arxiv.org/abs/2511.16321v1
• Date: Thu, 20 Nov 2025 12:54:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.625636
• Title: WWE-UIE: A Wavelet & White Balance Efficient Network for Underwater Image Enhancement
• Title（参考訳）: WWE-UIE:水中画像強調のためのウェーブレットとホワイトバランス効率の良いネットワーク
• Authors: Ching-Heng Cheng, Jen-Wei Lee, Chia-Ming Lee, Chih-Chung Hsu,
• Abstract要約: 水中画像強調(UIE)は、波長依存性の吸収と散乱に起因する視認性と色歪みの補正を目的としている。 最近のハイブリッドアプローチは、ドメインが近代的なディープ・ニューラル・アーキテクチャに先行するが、性能は高いが計算コストが高い。 WWE-UIEは、3つの解釈可能な事前処理を統合するコンパクトで効率的な拡張ネットワークである。
• 参考スコア（独自算出の注目度）: 10.069021759046285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underwater Image Enhancement (UIE) aims to restore visibility and correct color distortions caused by wavelength-dependent absorption and scattering. Recent hybrid approaches, which couple domain priors with modern deep neural architectures, have achieved strong performance but incur high computational cost, limiting their practicality in real-time scenarios. In this work, we propose WWE-UIE, a compact and efficient enhancement network that integrates three interpretable priors. First, adaptive white balance alleviates the strong wavelength-dependent color attenuation, particularly the dominance of blue-green tones. Second, a wavelet-based enhancement block (WEB) performs multi-band decomposition, enabling the network to capture both global structures and fine textures, which are critical for underwater restoration. Third, a gradient-aware module (SGFB) leverages Sobel operators with learnable gating to explicitly preserve edge structures degraded by scattering. Extensive experiments on benchmark datasets demonstrate that WWE-UIE achieves competitive restoration quality with substantially fewer parameters and FLOPs, enabling real-time inference on resource-limited platforms. Ablation studies and visualizations further validate the contribution of each component. The source code is available at https://github.com/chingheng0808/WWE-UIE.
• Abstract（参考訳）: 水中画像強調(UIE)は、波長依存性の吸収と散乱に起因する視認性と色歪みの補正を目的としている。 最近のハイブリッドアプローチは、ドメインが近代的なディープ・ニューラル・アーキテクチャに先行するものだが、パフォーマンスは高いが計算コストがかかるため、リアルタイムシナリオにおける実用性は制限されている。 本稿では、3つの解釈可能な事前処理を統合するコンパクトで効率的な拡張ネットワークWWE-UIEを提案する。 第一に、適応的な白色バランスは、強い波長依存性の色減衰、特に青緑色の色調の優位性を緩和する。 第二に、ウェーブレットベースのエンハンスメントブロック(WEB)はマルチバンド分解を行い、ネットワークがグローバルな構造と微細なテクスチャの両方を捕捉できる。 第三に、勾配対応モジュール(SGFB)はソベル演算子と学習可能なゲーティングを利用して、散乱によって劣化したエッジ構造を明示的に保存する。 ベンチマークデータセットの大規模な実験により、WWE-UIEは、パラメータとFLOPをかなり少なくして、競合する復元品質を実現し、リソース制限されたプラットフォーム上でリアルタイムの推論を可能にすることが示されている。 アブレーション研究と可視化は、各コンポーネントの貢献をさらに検証する。 ソースコードはhttps://github.com/chingheng0808/WWE-UIEで入手できる。

関連論文リスト

• A Generative Data Framework with Authentic Supervision for Underwater Image Restoration and Enhancement [51.382274157144714]
  我々は、未ペア画像から画像への変換に基づく生成データフレームワークを開発する。 このフレームワークは、正確な地上構造ラベルを持つ合成データセットを構成する。 実験により、我々の合成データに基づいてトレーニングされたモデルが、既存のベンチマークでトレーニングされたモデルに匹敵する、あるいは優れた色復元と一般化性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-11-18T14:20:17Z)
• VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
  状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。 大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。 水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。 本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• Underwater Image Enhancement via Dehazing and Color Restoration [15.51430949110587]
  既存の水中画像強調法は、ヘイズとカラーキャストを統一的な劣化過程として扱う。 本研究では,水中画像の品質向上を目的としたビジョントランス (ViT) ベースのネットワーク (WaterFormer と呼ぶ) を提案する。
  論文  参考訳（メタデータ） (2024-09-15T15:58:20Z)
• IDA-UIE: An Iterative Framework for Deep Network-based Degradation Aware Underwater Image Enhancement [2.5628953713168685]
  水中画像強調に関する最近の研究は、これらの問題に対処するための異なるディープネットワークアーキテクチャを提案している。 特定の条件でトレーニングされたディープネットワークは、すべての劣化事例から学んだ単一のネットワークよりも優れたパフォーマンスをもたらすと考えている。
  論文  参考訳（メタデータ） (2024-06-26T16:58:15Z)
• FDCE-Net: Underwater Image Enhancement with Embedding Frequency and Dual Color Encoder [49.79611204954311]
  水中画像は、低明度、色の変化、ぼやけた詳細、吸光光によるノイズ、水や懸濁粒子による散乱などの様々な問題に悩まされることが多い。 従来の水中画像強調法(UIE)は主に空間領域の強調に焦点を当てており、画像固有の周波数領域情報を無視している。
  論文  参考訳（メタデータ） (2024-04-27T15:16:34Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Wavelength-based Attributed Deep Neural Network for Underwater Image Restoration [9.378355457555319]
  本稿では,色チャネルの移動範囲に基づいて,適切な受容場サイズ(コンテキスト)を付与することで,大幅な性能向上が期待できることを示す。 第2の新規性として、学習したマルチコンテキスト特徴を適応的に洗練するための注意的スキップ機構を組み込んだ。 提案するフレームワークはDeep WaveNetと呼ばれ、従来のピクセル単位で機能ベースのコスト関数を使って最適化されている。
  論文  参考訳（メタデータ） (2021-06-15T06:47:51Z)
• Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
  2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。 カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
  論文  参考訳（メタデータ） (2021-03-19T04:00:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。