論文の概要: LOBSTgER-enhance: an underwater image enhancement pipeline

• arxiv url: http://arxiv.org/abs/2602.05163v1
• Date: Thu, 05 Feb 2026 00:29:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.684905
• Title: LOBSTgER-enhance: an underwater image enhancement pipeline
• Title（参考訳）: LOBSTGER-Enhance:水中画像強調パイプライン
• Authors: Andreas Mentzelopoulos, Keith Ellenbogen,
• Abstract要約: 本研究では, 合成汚濁パイプラインを導入し, 拡散生成による効果を逆転させることにより, 水中劣化の逆転を学習するイメージ・ツー・イメージ・パイプラインを開発した。 提案手法は,2.5k画像のスクラッチから1100Mパラメータのモデルを用いて,512x768画像において高い知覚整合性と強い一般化を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underwater photography presents significant inherent challenges including reduced contrast, spatial blur, and wavelength-dependent color distortions. These effects can obscure the vibrancy of marine life and awareness photographers in particular are often challenged with heavy post-processing pipelines to correct for these distortions. We develop an image-to-image pipeline that learns to reverse underwater degradations by introducing a synthetic corruption pipeline and learning to reverse its effects with diffusion-based generation. Training and evaluation are performed on a small high-quality dataset of awareness photography images by Keith Ellenbogen. The proposed methodology achieves high perceptual consistency and strong generalization in synthesizing 512x768 images using a model of ~11M parameters after training from scratch on ~2.5k images.
• Abstract（参考訳）: 水中撮影は、コントラストの減少、空間的ぼかし、波長依存性の色歪みなど、重要な固有の課題を呈している。 これらの効果は海洋生物の鮮明さを曖昧にし、特に意識的な写真家は、こうした歪みを補正するために重い後処理パイプラインで悩まされることが多い。 本研究では, 合成汚濁パイプラインを導入し, 拡散生成による効果を逆転させることにより, 水中劣化の逆転を学習するイメージ・ツー・イメージ・パイプラインを開発した。 キース・エレンボーゲン(Keith Ellenbogen)による、意識写真画像の小さな高品質データセット上で、訓練と評価を行う。 提案手法は,512x768画像のスクラッチから約2.5k画像のトレーニング後,約11Mパラメータのモデルを用いて,高い知覚整合性と強い一般化を実現する。

関連論文リスト

• AquaDiff: Diffusion-Based Underwater Image Enhancement for Addressing Color Distortion [0.3437656066916039]
  アクアディフ(AquaDiff)は、色歪みを補正し、構造的および知覚的忠実性を保つために設計された拡散に基づく水中画像強調フレームワークである。 新たなクロスドメイン整合性損失は、ピクセルレベルの精度、知覚的類似性、構造的整合性、周波数領域の忠実性を共同で強化する。 複数の挑戦的な水中ベンチマークの実験は、AquaDiffが最先端の伝統、CNN-、GAN-、拡散に基づく手法と比較して良い結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2025-12-15T18:05:37Z)
• Single-Step Latent Diffusion for Underwater Image Restoration [25.229678050715496]
  水中画像復元アルゴリズムは、水中で撮影されたシーンの色、コントラスト、外観を復元しようとする。 海洋生態学や養殖から水中建設や考古学まで、様々な応用において重要な道具である。 Slurppは既存の拡散法よりも200倍高速で、合成ベンチマークではPSNRが3dB改善されている。
  論文  参考訳（メタデータ） (2025-07-10T16:02:07Z)
• 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)
• WaterFlow: Heuristic Normalizing Flow for Underwater Image Enhancement and Beyond [52.27796682972484]
  既存の水中画像強調法は, 画像品質の向上に重点を置いており, 実践への影響を無視している。 本稿では,検出駆動型水中画像強調のための正規化フローであるWaterFlowを提案する。 微分可能性や解釈可能性を考慮すると、事前をデータ駆動マッピング手法に組み込む。
  論文  参考訳（メタデータ） (2023-08-02T04:17:35Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• Underwater enhancement based on a self-learning strategy and attention mechanism for high-intensity regions [0.0]
  水中活動中に取得した画像は、濁度や光の減衰などの水の環境特性に悩まされる。 水中画像の強化に関する最近の研究と深層学習のアプローチに基づき、合成地下構造を生成する組合わせデータセットの欠如に対処する。 本稿では,ペアデータセットを必要としない深層学習に基づく水中画像強調のための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2022-08-04T19:55:40Z)
• Underwater Image Restoration via Contrastive Learning and a Real-world Dataset [59.35766392100753]
  本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。 提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
  論文  参考訳（メタデータ） (2021-06-20T16:06:26Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• Domain Adaptive Adversarial Learning Based on Physics Model Feedback for Underwater Image Enhancement [10.143025577499039]
  物理モデルに基づくフィードバック制御と,水中画像の高機能化のための領域適応機構を用いた,新しい頑健な対角学習フレームワークを提案する。 水中画像形成モデルを用いてRGB-Dデータから水中訓練データセットをシミュレーションする新しい手法を提案する。 合成および実水中画像の最終的な改良結果は,提案手法の優位性を示している。
  論文  参考訳（メタデータ） (2020-02-20T07:50:00Z)

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。