![a52c46b9e98664ade1e5d88f8ece6226.png](https://img-blog.csdnimg.cn/img_convert/a52c46b9e98664ade1e5d88f8ece6226.png)
文献下载地址:
Domain Adaptive Adversarial Learning Based on Physics Model Feedback for Underwater Image Enhancementarxiv.orgDomain Adaptive Adversarial Learning Based on Physics Model Feedback for Underwater Image Enhancement
![db8f0446dc0f4503388896e5c268a380.png](https://img-blog.csdnimg.cn/img_convert/db8f0446dc0f4503388896e5c268a380.png)
作者团队:天津大学
引入域自适应机制以及物理模型约束反馈控制,以增强水下图像,表现SOTA!性能优于DUIENet、IBLA和UCL等网络。
由于水中悬浮颗粒对光的折射,吸收和散射,水下原始图像的对比度低,细节模糊和色彩失真。这些特征可能会严重干扰水下图像的可见性以及视觉任务(例如分割和跟踪)的结果。
为了解决这个问题,作者团队通过基于物理模型的反馈控制和域自适应机制,提出了一种新的强大的对抗学习框架,用于增强水下图像以获得逼真的结果。提出了一种利用水下图像形成模型从RGB-D数据中模拟