水中画像の強化は、海洋工学や水生ロボット工学における重要性から、多くの注目を集めています。ここ数年で多数の水中画像強化アルゴリズムが提案されてきましたが、これらのアルゴリズムは主に合成データセットや選択された少数の実世界画像を用いて評価されています。そのため、野生環境で取得された画像に対するこれらのアルゴリズムの性能や、分野全体での進歩をどのように測定するかが不明確となっています。このギャップを埋めるために、我々は大規模な実世界画像を使用した水中画像強化の初めての包括的な知覚研究と分析を提示します。本論文では、950枚の実世界水中画像（そのうち890枚には対応する参照画像があります）を含む「水中画像強化ベンチマーク（UIEB）」を構築しました。残りの60枚の水中画像は満足できる参照画像を得ることができないため、挑戦的なデータとして扱います。このデータセットを使用して、最新の水中画像強化アルゴリズムについて定性的および定量的に包括的な研究を行いました。さらに、このベンチマーク上で訓練された基準となる水中画像強化ネットワーク（Water-Netと呼ぶ）を提案します。これは、畳み込みニューラルネットワーク（CNNs）の訓練に向けたUIEBの汎用性を示しています。ベンチマーク評価と提案されたWater-Netにより、最新アルゴリズムの性能と限界が明らかになり、今後の水中画像強化に関する研究に光を当てています。データセットとコードは https://li-chongyi.github.io/proj_benchmark.html で公開されています。