End-To-End Underwater Video Enhancement: Dataset and Model

水下视频增强（UVE）旨在提高水下视频的可见度和帧质量，这对海洋研究和探索具有重要意义。然而，现有的方法主要集中在开发图像增强算法，以独立地增强每一帧。缺乏专门针对UVE任务的监督数据集和模型。为了填补这一空白，我们构建了合成水下视频增强（SUVE）数据集，包括840个不同的水下风格视频，配对真实的参考视频。基于这个数据集，我们训练了一种新颖的水下视频增强模型UVENet，它利用帧间关系来实现更好的增强性能。通过对合成和真实水下视频的广泛实验，我们证明了我们方法的有效性。据我们所知，这项研究代表了对UVE的首次全面探索。代码可在https://anonymous.4open.science/r/UVENet上获得。

该论文旨在解决水下视频增强中缺乏特定数据集和模型的问题，提出了一种新的水下视频增强模型UVENet，以及构建了一个合成水下视频增强数据集SUVE。

UVENet利用帧间关系来提高增强性能。

该论文构建了一个包含840个不同水下场景的数据集SUVE，并提出了一种新的水下视频增强模型UVENet，通过在合成和真实水下视频上的实验，证明了其有效性。论文代码已开源。

在水下视频增强领域，已有相关研究如DeepUPE、Underwater-Enhancement-GAN等。