Autoencoder Variacional Aprimorado por Cápsula para Reconstrução de Imagens Subaquáticas

A análise de imagens subaquáticas é crucial para o monitoramento marinho. No entanto, apresenta dois desafios principais: (i) a qualidade visual das imagens é frequentemente degradada devido à atenuação da luz dependente do comprimento de onda, espalhamento e tipos de água; (ii) a captura e o armazenamento de imagens de alta resolução são limitados pelo hardware, o que dificulta análises ambientais de longo prazo. Recentemente, redes neurais profundas foram introduzidas para aprimoramento subaquático, negligenciando o desafio imposto pelas limitações dos sistemas autônomos de aquisição de imagens subaquáticas. Apresentamos uma nova arquitetura que aborda conjuntamente ambos os problemas, inspirando-se na abordagem de quantização de características discretas do Autoencoder Variacional Quantizado por Vetores. Nosso modelo combina uma rede de codificação, que comprime a entrada em uma representação latente, com duas redes de decodificação independentes, que aprimoram/reconstroem imagens usando apenas a representação latente. Um decodificador foca na informação espacial, enquanto o outro captura informações sobre as entidades na imagem, aproveitando o conceito de cápsulas. Com o uso de camadas de cápsulas, também superamos os problemas de diferenciabilidade, tornando nossa solução treinável de forma end-to-end, sem a necessidade de truques de otimização particulares. As cápsulas realizam a quantização de características de maneira totalmente diferenciável. Conduzimos avaliações quantitativas e qualitativas rigorosas em 6 conjuntos de dados de referência para avaliar a eficácia de nossas contribuições. Os resultados demonstram que nosso desempenho é melhor do que os métodos existentes (por exemplo, cerca de +1,4 dB de ganho no desafiador conjunto de dados LSUI Test-L400), enquanto reduz significativamente a quantidade de espaço necessário para armazenamento de dados (ou seja, 3 vezes mais eficiente).