Key points are not available for this paper at this time.
초록 수중 조건에서의 빛 흡수 및 산란이 존재하면 세부 사항이 부족하고 대비가 낮으며 색상이 편향된 수중 이미지가 생성됩니다. 현재의 딥러닝 기반 방법은 수중 이미지 복원(UIR) 작업에 무한한 잠재력을 제공합니다. 그러나 이러한 방법은 이미지 복원을 수행할 때 서로 다른 색상 채널과 공간 영역의 감쇠 불일치를 적절히 고려하지 않습니다. 이러한 간극을 해결하기 위해 우리는 정확한 UIR 작업을 위한 이중 정보 변조 네트워크(DIMN)를 제안합니다. 구체적으로, 우리는 비균질 매체 분포 하의 이미지 저하시 과정의 귀납적 편향을 안내하기 위해 공간 인식 주의 블록(SAAB)과 다중 스케일 구조 트랜스포머 블록(MSTB)에 강화된 다중 정보 향상 모듈(MIEM)을 설계합니다. SAAB는 다양한 공간 위치에 집중하여 색상 편차를 수정하고 세부 사항을 복구하기 위해 더 많은 공간 인식 단서를 캡처합니다. MSTB는 다른 스케일에서의 특징 간의 차이와 상호 보완성을 활용하여 네트워크의 구조적 및 글로벌 지각 능력을 효과적으로 보완하여 이미지의 선명도와 대비를 더욱 향상시킵니다. 실험 결과는 제안된 DIMN이 대부분의 최신 UIR 방법을 초월함을 보여줍니다. 우리 코드와 결과는 다음에서 확인할 수 있습니다: https://github.com/wwaannggllii/DIMN.
Li et al. (Tue,)는 이 문제를 연구했습니다.