要約
海洋モニタリングにおける無人潜水画像解析は、以下の2つの主要な課題に直面しています：(i) 光の減衰による画像品質の低下、(ii) ハードウェアの記憶域制約により高解像度画像の収集が制限されること。既存の手法は主に、フルサイズの入力データを保存する方法に基づいて画像強化を対処しています。これに対して、我々はカプセル強化変分自己符号化器（Capsule Enhanced Variational AutoEncoder: CE-VAE）という新しいアーキテクチャを提案します。このアーキテクチャは、劣化した水中画像を効率的に圧縮し強化することを目指しています。我々の注目度認識型画像エンコーダーは、入力画像を潜在空間表現に射影しながら、リモートデバイス上でオンラインで動作することができます。デバイスまたはビーコンに保存または送信する必要がある情報は、圧縮された表現のみです。オフラインでフルサイズの強化された画像生成を行う双方向デコーダーモジュールが存在します。一方のブランチは圧縮された潜在空間から空間的な詳細を再構成し、もう一方のブランチはカプセルクラスタリング層を使用してエンティティレベルの構造と複雑な空間関係を捉えます。この並列デコード戦略により、モデルは微細な詳細の保存と文脈認識型強化とのバランスを取りながら動作できます。CE-VAEは6つのベンチマークデータセットにおいて水中画像強化において最先端の性能を達成しており、既存手法よりも最大3倍高い圧縮効率を提供します。コードは \url{https://github.com/iN1k1/ce-vae-underwater-image-enhancement} で公開されています。