混合对比正则水下增强模型

非成对数据训练

通过局部扰动构建负样本的混合对比学习正则化，使网络无需成对数据即可学习更稳健的样本分布，泛化能力显著优于现有方法。

周景春 · Jiaming, Sun · Li, Chongyi · 姜求平 · Zhou, Man · Lam, Kenneth K.M. · Zhang, Weishi · 付先平

International Journal of Computer Vision 2024

技术优势

无需成对数据

正负样本均来自非成对数据，突破了成对数据获取困难的瓶颈。

负样本更稳健

通过局部块扰动重建负样本，使网络学习到更稳健的样本分布。

细节恢复更好

引入细节修复分支，专门恢复纹理细节，增强视觉质量。

应用场景

• 水下图像增强：直接提升水下图像清晰度和色彩真实性。
• 视觉感知：为视觉感知系统提供更清晰的水下输入。
• 水下机器人：增强水下机器人视觉感知能力。
• 成像质量提升：改善水下成像整体质量。
• 工业视觉检测：便于水下工业视觉检测中的缺陷识别。