초록
본 논문에서는 실시간 수중 이미지 향상을 위한 조건부 생성적 적대 네트워크(CGAN) 기반 모델을 제시합니다. 적대 학습을 감독하기 위해, 전역 콘텐츠, 색상, 국소 텍스처 및 스타일 정보를 기반으로 한 지각적 이미지 품질을 평가하는 목적 함수를 정식화합니다. 또한, 해양 탐사와 인간-로봇 협동 실험 중 다양한 가시성 조건에서 7개의 다른 카메라로 촬영된 '저품질'과 '고품질' 수중 이미지 쌍과 비쌍 데이터셋인 EUVP(EUVPair)를 소개합니다. 우리는 여러 질적 및 양적 평가를 수행하여 제안된 모델이 쌍과 비쌍 학습 모두에서 수중 이미지 품질을 향상시키는 능력을 배웠음을 시사합니다. 더욱 중요한 것은, 향상된 이미지들이 수중 물체 검출, 인간 자세 추정 및 주요성 예측에 대한 표준 모델들의 성능을 개선한다는 것입니다. 이러한 결과들은 시각적으로 안내되는 수중 로봇의 자율성 파이프라인에서 실시간 사전 처리에 적합함을 검증합니다. 모델과 관련 학습 파이프라인은 https://github.com/xahidbuffon/funie-gan 에서 제공됩니다.