本研究通过多模态域适应技术，创建了一个包含8694张图像的多样化水下环境数据集，旨在解决合成数据与真实水下环境之间的差异问题。该数据集通过将合成水下图像的内容代码与真实水下图像的风格代码结合，生成更接近真实水下条件的图像。此数据集适用于训练和测试水下图像颜色恢复模型，有助于提高水下视觉任务的性能，如海洋生物监测和海洋研究。

arXiv2022-12-17 更新430

UCD

水下图像处理

图像增强

针对现有水下图像数据集（如UIEB、LSUI等）依赖过时方法增强并人工筛选参考图像所导致的质量受限问题，UCD通过多种退化模型的复合模拟生成高质量配对数据，用于真实水下图像增强。不同于仅基于大气散射模型的合成方式，UCD 同时引入大气散射模型、Retinex低光模型、多尺度高斯模糊和颜色偏移等退化模型并进行组合，更真实地建模水下图像的复合退化特性，显著提升模型的增强效果。

github2025-05-06 更新1371

A Comprehensive Synthetic Underwater Image Dataset

水下图像处理

成像质量评估

The dataset contains 100 photographic images that are treated as ground-truth images. On each ground truth image, the effects of underwater environment are applied and 150 synthetic underwater images

Mendeley Data2024-06-11 更新490

[IEEE TCSVT] UnderwaterBenchmarkDataset

资源简介：

相关数据集