수중에서 빛의 흡수 및 산란으로 인해 수중 영상은 색상 왜곡과 세부 손실이 발생하여 이후 수중 목표의 탐지 및 인식에 심각한 영향을 미칩니다. 본 논문에서는 수중 영상을 향상시키기 위해 경량 전첩합성 생성 적대 신경망 모델(DUnet-GAN)을 제안합니다. 수중 영상의 특성을 고려하여 다중 작업 목표 함수를 제안하였으며, 이를 통해 모델이 영상의 전체 내용, 색상, 국부 질감 및 스타일 정보 등 여러 측면에서 영상 품질을 향상시킬 수 있도록 하였습니다. 또한 기존 중요 모델들과 비교 및 정량 평가를 수행하였습니다. 결과는 EUVP 데이터셋에서 본 논문 모델이 26dB 이상의 최대 신호대잡음비와 0.8의 구조적 유사도, 11MB의 파라미터 용량을 가지며, 동일 성능의 다른 모델 파라미터 용량의 5%에 불과하고 26MB 용량의 FUNIE-GAN 지표보다 뛰어남을 보여줍니다. 동시에 UIQM은 2.85로 Cycle-GAN 모델에 이어 두 번째이며, 주관적 향상 효과가 뚜렷합니다. 무엇보다도 향상된 영상은 수중 목표 탐지 등 모델에 더 나은 성능을 제공하며, 수중 로봇 등의 장비가 요구하는 모델 경량화에도 부합합니다.

생성 적대 신경망;영상 향상;경량;생성기;목표 탐지