水中では光の吸収と散乱が存在するため、水中画像には色の歪みや細部の損失があり、後続の水中目標の検出や認識に深刻な影響を与えています。本論文では、水中画像を強化するために軽量の全畳み込み層を備えた生成的敵対神経ネットワークモデル（DUnet-GAN）を提案します。水中画像の特徴に着目し、多タスク目的関数を提案し、モデルが画像の全体的な内容、色、局所的なテクスチャおよびスタイル情報などの側面から画像の品質を向上させるようにします。さらに、いくつかの重要な既存モデルとの比較と定量的評価を行いました。結果はEUVPデータセットにおいて本論文モデルがピーク信号対雑音比26dB以上、構造類似度0.8、パラメータ量11MBを達成し、同等の性能を持つ他のモデルのパラメータ量の5％に過ぎず、26MBのFUNIE-GANの指標よりも良好であることを示しています。同時にUIQMは2.85で、Cycle-GANモデルに次ぎ、主観的な向上効果も顕著です。さらに重要なことに、強化された画像は水中目標検出などのモデルにより良い性能を提供し、水中ロボットなどの機器のモデル軽量化要件も満たしています。

生成的敵対神経網;画像強調;軽量;生成器;目標検出