視覚信頼性の向上: リアルタイム水中任務のための色精度を高めた水中画像強化

概要：水中画像の改善は、水中プラットフォームに信頼性の高い視覚情報を提供する上で重要な役割を果たします。水関連環境における強い吸収と散乱は一般的に画像品質の劣化を招くためです。既存の高性能手法はしばしば複雑なアーキテクチャに依存しており、これが水中デバイスへの展開を妨げます。軽量手法はしばしば速度を優先して品質を犠牲にし、著しく劣化した水中画像の処理に苦労します。この制限に対処するため、正確なカラー復元を備えたリアルタイムの水中画像改善フレームワークを提示します。まず、緑チャンネルを参照アンカーとして赤チャンネルと青チャンネルの動的カラー回復を実現するAdaptive Weighted Channel Compensationモジュールを導入します。次に、トレーニング時にはマルチブランチ融合を使用し、推論時には構造的再パラメータ化を適用するMulti-branch Re-parameterized Dilated Convolutionを設計し、低い計算オーバーヘッドで大きな受容野表現を実現します。最後に、統計的事前確率に基づいて全体のカラー性能を最適化するStatistical Global Color Adjustmentモジュールを採用します。8つのデータセットを対象とした広範な実験により、提案手法は7つの評価指標で最先端の性能を達成することを示しています。モデルは推論パラメータがわずか3,880個で、推論速度は409 FPSを達成します。私たちの手法は、多様な環境条件下でUCIQEスコアを29.7%向上させ、ROVプラットフォームへの展開と下流タスクでの性能向上がリアルタイム水中ミッションに対するその優位性をさらに検証します。