수중 이미지 향상 벤치마크 데이터셋 및 그 이상

수중 이미지 향상은 해양 공학과 수중 로봇 기술에서의 중요성으로 인해 많은 주목을 받고 있습니다. 최근 몇 년 동안 다양한 수중 이미지 향상 알고리즘이 제안되었지만, 이러한 알고리즘들은 대부분 합성 데이터셋이나 소수의 실제 이미지를 사용하여 평가되었습니다. 따라서 이러한 알고리즘들이 야생 환경에서 획득한 이미지에 대해 어떻게 작동할지, 그리고 이 분야의 진전을 어떻게 측정할 수 있을지는 불분명합니다. 이 간극을 메우기 위해, 우리는 대규모 실제 수중 이미지를 사용한 첫 번째 포괄적인 지각 연구 및 분석을 제시합니다. 본 논문에서는 950장의 실제 수중 이미지와 그 중 890장이 해당하는 참조 이미지를 포함하는 수중 이미지 향상 벤치마크 (UIEB)를 구성하였습니다. 나머지 60장의 만족스러운 참조 이미지를 얻을 수 없는 수중 이미지는 도전적인 데이터로 취급하였습니다. 이 데이터셋을 사용하여, 우리는 최신 수중 이미지 향상 알고리즘들을 정성적이고 정량적으로 포괄적으로 연구하였습니다. 또한, 이 벤치마크에서 학습된 기준 모델인 수중 이미지 향상 네트워크 (Water-Net)를 제안하였으며, 이는 제안된 UIEB가 합성곱 신경망 (CNNs)을 학습하기 위한 일반화를 나타냅니다. 벤치마크 평가와 제안된 Water-Net은 최신 알고리즘들의 성능과 한계점을 보여주며, 앞으로의 수중 이미지 향상 연구에 대한 방향성을 제공합니다. 데이터셋과 코드는 https://li-chongyi.github.io/proj_benchmark.html에서 이용 가능합니다.