[論文レビュー] Advancing Visual Reliability: Color-Accurate Underwater Image Enhancement for Real-Time Underwater Missions

Yiqiang Zhou, Yifan Chen+4 more|arXiv (Cornell University)|Mar 17, 2026

Image Enhancement Techniques被引用数 0

ひとこと要約

要約: 軽量な水中画像 enhancement フレームワークが適応カラー復元（AWCC）、多分岐再パラメータ化膨張畳み込み（MRDConv）、およびグローバルカラー調整（SGCA）を組み合わせ、リアルタイム性能（409 FPS、3,880 パラメータ）で、8データセットにおいて最先端のカラー忠実度を実現。

ABSTRACT

Underwater image enhancement plays a crucial role in providing reliable visual information for underwater platforms, since strong absorption and scattering in water-related environments generally lead to image quality degradation. Existing high-performance methods often rely on complex architectures, which hinder deployment on underwater devices. Lightweight methods often sacrifice quality for speed and struggle to handle severely degraded underwater images. To address this limitation, we present a real-time underwater image enhancement framework with accurate color restoration. First, an Adaptive Weighted Channel Compensation module is introduced to achieve dynamic color recovery of the red and blue channels using the green channel as a reference anchor. Second, we design a Multi-branch Re-parameterized Dilated Convolution that employs multi-branch fusion during training and structural re-parameterization during inference, enabling large receptive field representation with low computational overhead. Finally, a Statistical Global Color Adjustment module is employed to optimize overall color performance based on statistical priors. Extensive experiments on eight datasets demonstrate that the proposed method achieves state-of-the-art performance across seven evaluation metrics. The model contains only 3,880 inference parameters and achieves an inference speed of 409 FPS. Our method improves the UCIQE score by 29.7% under diverse environmental conditions, and the deployment on ROV platforms and performance gains in downstream tasks further validate its superiority for real-time underwater missions.

研究の動機と目的

• 吸収と散乱により生じる水中画像のカラー歪みと品質低下に対処する。
• カラー忠実性を保持しつつ、水中プラットフォーム上でのリアルタイム展開を可能にする軽量UIEフレームワークを開発する。
• Adaptive Weighted Channel Compensationを導入し、緑を参照として赤/青チャネルを動的に補正する。
• Multi-branch Re-parameterized Dilated Convolutionを導入し、多スケール特徴を効率的な推論で捉える。
• 統計的グローバルカラー調整モジュールを適用し、統計的 priors に基づいてグローバルカラー特性を refined する。

提案手法

• Adaptive Weighted Channel Compensation（AWCC）は、緑チャネルをアンカーとして赤と青チャネルを学習可能な重みで動的に補償し、その後、Gray World ベースの二次補正で輝度を安定化する。
• Multi-branch Re-parameterized Dilated Convolution（MRDConv）は、トレーニング時に受容野を広げるために5つの並列ブランチを用い、推論時には1つの5×5畳み込みに畳み折る。
• Statistical Global Color Adjustment（SGCA）は、全球的な統計的 priors（平均、標準偏差、明るい/暗い領域の統計）を抽出し、軽量MLPを介して色温度、色調、彩度の調整を予測する。
• フレームワークはAWCC、MRDConv、SGCAを組み合わせ、計算オーバーヘッドを抑えつつ高忠実度の復元を実現する。
• 複合損失としてCharbonnier損失、PSNR損失、知覚損失（VGG-19）、色連続性損失を用い、構造・忠実度・色精度をバランスよく最適化する。

実験結果

リサーチクエスチョン

• RQ1 水中ミッションのリアルタイム制約の下で、軽量UIEモデルは高いカラー忠実度と構造品質を達成できるか。
• RQ2 AWCC、MRDConv、SGCAは、さまざまな水中シーンでカラー復元とテクスチャディテールに対して個別および共同でどの程度寄与するか。
• RQ3 提案手法は複数の水中データセット間で一般化し、実機プラットフォーム上で下流タスク（例：セマンティックセグメンテーション）を支援できるか。
• RQ4 異なるカメラモデルや環境条件下でカラー復元がグラウンドトゥルースにどれだけ近づくか（カラー精度指標としてのCIEDE2000など）。

主な発見

• 手法はGPU上でリアルタイム推論409 FPS、パラメータは3,880個（モデルサイズ0.01 MB）で実現。
• diverse conditions の下でUCIQEの29.7%の向上を含む、カラー復元の著しい改善を達成。
• 8データセットにおいて7つの評価指標で最先端の性能を達成し、競合する軽量モデルより約1.2 dBのPSNR向上などの改善を報告。
• UIEB/LSUIで訓練されたモデルをU45/RUIEで評価した跨ドメイン実験は、高いUCIQEとカラー忠実度で強い一般化を示す。
• MRDConvは訓練時のマルチブランチ利点と推論時の単一路効率を実現し、重いコストをかけずにシャープなテクスチャを実現。
• SGCAは全球的統計 priors に基づき、カラー温度、色調、彩度を refine して、本物の水中カラー復元を実現。