해양 모니터링을 위한 무인 수중 이미지 분석은 두 가지 주요 과제에 직면해 있습니다: (i) 빛 감쇠로 인한 이미지 품질 저하와 (ii) 고해상도 이미지 수집을 제한하는 하드웨어 저장 공간 제약입니다. 기존 방법들은 주로 전체 크기의 입력을 저장하는 접근 방식을 통해 이미지 향상을 다루고 있습니다. 이에 반해, 우리는 효율적으로 저품질의 수중 이미지를 압축하고 향상시키도록 설계된 새로운 아키텍처인 캡슐 강화 변분 오토인코더(Capsule Enhanced Variational AutoEncoder, CE-VAE)를 소개합니다. 우리의 주의력 인식 이미지 인코더는 입력 이미지를 잠재 공간 표현으로 사영할 수 있으며, 원격 장치에서 온라인으로 실행될 수 있습니다. 장치나 비콘에 저장하거나 전송해야 하는 유일한 정보는 압축된 표현입니다. 오프라인으로 전체 크기의 향상된 이미지를 생성하는 듀얼 디코더 모듈이 있습니다. 하나의 분지는 압축된 잠재 공간에서 공간적 세부 정보를 재구성하며, 다른 분지는 캡슐 클러스터링 계층을 활용하여 개체 수준 구조와 복잡한 공간 관계를 포착합니다. 이러한 병렬 디코딩 전략은 모델이 미세 세부 정보 보존과 맥락 인식 향상을 균형 있게 유지할 수 있도록 합니다. CE-VAE는 여섯 개의 벤치마크 데이터셋에서 최고 수준의 성능을 달성하여 기존 접근 방식보다 최대 3배 더 높은 압축 효율성을 제공합니다. 코드는 \url{https://github.com/iN1k1/ce-vae-underwater-image-enhancement}에서 확인할 수 있습니다.