Key points are not available for this paper at this time.
जल में प्रकाश का अवशोषण और बिखराव आमतौर पर जल के नीचे की छवि की गुणवत्ता में गिरावट का कारण बनता है, जैसे रंग विकृति और कम विपरीतता। इसके अतिरिक्त, अधिग्रहण उपकरणों का प्रदर्शन जल के नीचे की छवियों की स्थानिक रिज़ॉल्यूशन को सीमित कर सकता है, जिसके परिणामस्वरूप छवि विवरण का नुकसान होता है। लंबी दूरी की निर्भरता का प्रभावी मॉडलिंग जल के नीचे की छवियों की वैश्विक संरचना और स्थानीय संदर्भ को समझने के लिए आवश्यक है ताकि विवरणों को संवर्धित और बहाल किया जा सके, जो एक चुनौतीपूर्ण कार्य है। इस पेपर में, हम जल के नीचे की छवि संवर्धन और सुपर-रिज़ॉल्यूशन के लिए बहु-रंग स्थान का उपयोग करते हुए एक एजेंट-निर्देशित गैर-स्थानीय ध्यान नेटवर्क का प्रस्ताव करते हैं। विशेष रूप से, विभिन्न संवेदनशील क्षेत्रों के साथ स्थानीय विशेषताओं को पहले RGB, Lab, और HSI रंग स्थानों में एक साथ निकाला जाता है। फिर, उच्च अभिव्यक्ति और कम गणना की जटिलता के साथ डिजाइन किया गया एजेंट-निर्देशित गैर-स्थानीय ध्यान मॉड्यूल लंबी दूरी की निर्भरता को मॉडल करने के लिए उपयोग किया जाता है। इसके बाद, बहु-रंग स्थान से प्राप्त परिणामों को सीखे गए वज़नों के साथ अनुकूलित रूप से विलय किया जाता है, और अंततः, पुनर्निर्माण ब्लॉक जिसमें डीकॉन्वोल्यूशन और डिज़ाइन किया गया गैर-स्थानीय ध्यान मॉड्यूल शामिल है, का उपयोग संवर्धित और सुपर-रिज़ॉल्यूशन छवियों को आउटपुट करने के लिए किया जाता है। कई डेटासेट पर प्रयोगों ने प्रदर्शित किया कि हमारी विधि degraded underwater images की दृश्य धारणात्मकता में महत्वपूर्ण सुधार करती है और गायब विवरणों को प्रभावी ढंग से पुनर्निर्माण करती है, और वस्तुनिष्ठ मूल्यांकन ने हमारी विधि की अन्य नवीनतम विधियों की तुलना में श्रेष्ठता को प्रमाणित किया।
Wang et al. (Mon,) ने इस प्रश्न का अध्ययन किया।