A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning

Este artículo presenta una encuesta exhaustiva sobre la mejora de imágenes submarinas basada en aprendizaje profundo, abarcando modelos físicos, algoritmos recientes, una evaluación comparativa rigurosa y futuras direcciones de investigación.

Lo esencial

¡Hola! Imagina que el océano es como una gran fiesta de disfraces, pero con un problema: la "niebla" del agua y la luz que se filtra de forma extraña hacen que todo se vea borroso, verde azulado y oscuro, como si alguien hubiera puesto un filtro de mala calidad en tu cámara.

Este artículo es como un mapa del tesoro gigante para los científicos que quieren arreglar esas fotos submarinas. Los autores, un equipo de expertos, han reunido todo lo que se sabe hasta ahora sobre cómo usar la "inteligencia artificial" (específicamente el Deep Learning) para limpiar esas imágenes y hacerlas brillar de nuevo.

Aquí tienes la explicación, paso a paso, con analogías sencillas:

1. El Problema: ¿Por qué se ven mal las fotos bajo el agua?

Imagina que el agua es como un colador gigante. Cuando la luz del sol entra, el agua "se come" primero los colores cálidos (rojos, naranjas, amarillos) y deja pasar solo los fríos (azules y verdes). Además, hay partículas flotando (arena, algas) que actúan como niebla, haciendo que las cosas se vean borrosas y con ruido.

• Resultado: Una foto que debería ser colorida se ve como un fantasma azul-verdoso y oscuro.

2. La Solución Antigua vs. La Nueva (Deep Learning)

• Antes (Sin IA): Los científicos intentaban arreglar las fotos usando fórmulas matemáticas rígidas, como intentar arreglar un reloj con un martillo. A veces funcionaba, pero el agua es tan compleja que las fórmulas fallaban a menudo.
• Ahora (Con Deep Learning): Imagina que en lugar de usar fórmulas, le das a una computadora millones de ejemplos de fotos feas y fotos bonitas. La computadora (la red neuronal) aprende por experiencia, como un artista que practica miles de veces hasta que su pincelada es perfecta. Este artículo revisa todas las técnicas modernas de estos "artistas digitales".

3. ¿Cómo organizan a estos "artistas"? (La Taxonomía)

Los autores dicen: "Hay demasiados métodos, ¡ordenémoslos!". Han creado 6 categorías principales para entender cómo funcionan estos algoritmos:

• La Arquitectura (El Taller): ¿Qué herramientas usa el algoritmo? Algunos usan "convoluciones" (como filtros de café), otros usan "Transformers" (como un traductor que entiende el contexto de toda la imagen) o incluso matemáticas de ondas (como la música).
• La Estrategia de Aprendizaje (El Entrenador): ¿Cómo se entrena al algoritmo?
  • Aprendizaje Adversario: Es como un juego de "falsificador vs. detective". Uno intenta crear una foto perfecta y el otro intenta descubrir si es falsa. ¡Se entrenan luchando entre sí!
  • Aprendizaje por Ranking: En lugar de decir "esta foto es perfecta", el algoritmo aprende a decir "esta foto es mejor que la otra".
• Las Etapas (El Proceso): ¿Lo hace de un solo golpe o paso a paso? Algunos lo hacen en una sola pasada, otros primero hacen un borrador grueso y luego lo pulen (como esculpir una estatua).
• Tareas Auxiliares (Los Ayudantes): A veces, el algoritmo necesita ayuda. Por ejemplo, le pide a otro programa que le diga "dónde está el fondo" (profundidad) o "qué es un pez" (semántica) para saber cómo arreglar la foto mejor.
• Perspectiva de Dominio (El Traductor): A veces no tenemos fotos reales perfectas. Entonces, los algoritmos aprenden a traducir fotos de "aire" (terrestres) al "agua" y viceversa para aprender a arreglarlas.
• Desenredo y Fusión (La Cocina): Imagina que la foto es una sopa. Los algoritmos intentan separar los ingredientes (la luz, el color, la niebla) para arreglar cada uno por separado y luego volver a mezclarlos perfectamente.

4. La Gran Prueba: ¿Quién es el mejor?

Los autores hicieron algo muy importante: unieron todas las pruebas. Antes, cada científico probaba su método en su propia cocina con sus propias reglas, lo que hacía imposible saber quién era realmente el mejor.

• Lo que hicieron: Tomaron a los mejores algoritmos actuales y los pusieron a competir en el mismo estadio, con las mismas reglas y las mismas fotos.
• El veredicto: Descubrieron que, aunque muchos algoritmos son muy buenos, hay dos que destacan: UIE-DM (que usa un proceso tipo "difusión", como hacer aparecer una imagen poco a poco) y UGAN (que usa el juego de falsificador vs. detective). Dependiendo de si quieres que la foto se vea perfecta matemáticamente o que se vea natural para el ojo humano, uno gana sobre el otro.

5. ¿Qué falta por hacer? (El Futuro)

El artículo termina diciendo que, aunque hemos avanzado mucho, todavía hay retos:

• Datos perfectos: Es casi imposible tener fotos reales de "antes y después" bajo el agua. Necesitamos mejores formas de crear estas fotos con videojuegos (motores gráficos) para entrenar a la IA.
• El efecto rebote: A veces, arreglar la foto tan bien que la IA "borra" detalles importantes que un robot necesita para ver peces o obstáculos. ¡Arreglar la foto no debe cegar a la máquina!
• Colaboración con el lenguaje: ¿Podríamos decirle a la IA: "Haz que esta foto se vea como un atardecer tropical"? Usar modelos de lenguaje para guiar la mejora de la imagen es la próxima gran frontera.

En resumen

Este artículo es un manual de instrucciones actualizado para la comunidad científica. Les dice: "Aquí están todas las herramientas que tenemos, aquí es cómo funcionan, aquí es quién gana en las pruebas justas, y aquí es lo que todavía necesitamos inventar para que nuestras fotos submarinas sean tan hermosas como el océano real".

Es como si hubieran organizado el "Olimpo de la IA Submarina" para ver quiénes son los dioses del color y la claridad, y qué les falta para ser perfectos.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo "A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning" en español, estructurado según los puntos solicitados.

Resumen Técnico: Una Encuesta Exhaustiva sobre la Mejora de Imágenes Submarinas Basada en Aprendizaje Profundo

1. El Problema

La imagenología submarina es fundamental para la exploración de recursos, la cinematografía y el entretenimiento, pero enfrenta desafíos significativos debido a las propiedades físicas del agua. Las imágenes submarinas sufren degradación de calidad causada por la absorción y dispersión de la luz, lo que resulta en:

• Distorsión de color y reducción de contraste: La atenuación diferencial de las longitudes de onda provoca que las imágenes tiendan a tonos azul-verdes.
• Efectos de neblina, ruido y desenfoque: Causados por partículas suspendidas y agua turbia.
• Baja iluminación: A grandes profundidades, la luz natural es insuficiente, requiriendo fuentes de luz auxiliares que a menudo generan iluminación no uniforme.

Aunque existen métodos tradicionales (no basados en aprendizaje profundo), estos a menudo fallan debido a la falta de modelos físicos perfectos, errores en la estimación de parámetros y la incapacidad de adaptarse a escenarios específicos. La necesidad de soluciones basadas en datos (Deep Learning) es crítica, pero la falta de una revisión sistemática y comparaciones justas debido a configuraciones experimentales inconsistentes ha limitado el avance del campo.

2. Metodología

Los autores proponen una revisión exhaustiva y sistemática de los algoritmos de Mejora de Imágenes Submarinas (UIE, por sus siglas en inglés) basados en Deep Learning (DL-UIE). La metodología se divide en cuatro pilares principales:

• Fundamentos Teóricos y de Datos:

  • Revisión de modelos físicos (Modelo de Dispersión Atmosférica y Modelo de Formación de Imágenes Submarinas Revisado).
  • Análisis de estrategias de construcción de datos: desde la votación humana de imágenes de referencia (UIEB, LSUI) hasta la síntesis mediante modelos físicos, transformación de dominio y captura de sistemas de imagen submarinos.
  • Definición de métricas de evaluación: Referencia completa (PSNR, SSIM), sin referencia (UIQM, UCIQE), evaluación subjetiva humana y tareas descendentes (detección de objetos, segmentación).
  • Revisión de funciones de pérdida: Pérdidas L1/L2, perceptuales, de adversarios (GAN), y pérdidas específicas de bordes o estructura.

• Taxonomía de Algoritmos:
  Los autores clasifican los algoritmos de última generación (SOTA) en seis categorías principales basadas en sus contribuciones principales:

  1. Arquitectura de Red: Uso de convoluciones, mecanismos de atención, Transformers, transformadas de Fourier, descomposición wavelet y Búsqueda de Arquitectura Neuronal (NAS).
  2. Estrategia de Aprendizaje: Aprendizaje adversario (GAN), aprendizaje de rango (Rank Learning), aprendizaje contrastivo y aprendizaje por refuerzo.
  3. Etapa de Aprendizaje: Procesos de una sola etapa, de "grueso a fino" (coarse-to-fine) y procesos de difusión (Diffusion Models).
  4. Tareas de Asistencia: Uso de segmentación semántica, estimación de profundidad o detección de objetos como tareas auxiliares para mejorar la mejora de imagen.
  5. Perspectiva de Dominio: Transferencia de conocimiento (adaptación de dominio), traducción de dominio y salida diversificada.
  6. Desenredo y Fusión: Integración de modelos físicos (embedding físico), modelos Retinex, fusión de espacios de color (RGB, HSV, LAB) y enfoque en tipos de agua específicos.

• Evaluación Experimental Unificada:
  Para abordar la falta de comparaciones justas, los autores realizaron una evaluación exhaustiva de 17 algoritmos SOTA en múltiples conjuntos de datos de referencia (UIEB, LSUI, EUVP, UFO-120) y sin referencia (Challenge-60, U45, etc.).

  • Estandarización: Se unificaron las configuraciones experimentales (tamaño de imagen 256x256, tamaño de lote 8, aumentos de datos, sin uso de modelos preentrenados externos para extracción de características) para garantizar una comparación imparcial.

3. Contribuciones Clave

• Revisión Sistemática: Primera encuesta que cubre integralmente el estado del arte en UIE basado en Deep Learning, abarcando desde modelos físicos hasta arquitecturas modernas como Transformers y Difusión.
• Taxonomía Unificada: Propone una clasificación de seis dimensiones que permite entender las similitudes y diferencias entre cientos de algoritmos, facilitando la investigación futura.
• Benchmarking Justo: Proporciona la primera comparación cuantitativa y cualitativa imparcial de algoritmos SOTA bajo configuraciones experimentales idénticas, eliminando el sesgo de las configuraciones originales de los autores.
• Identificación de Brechas: Define claramente las limitaciones actuales y las direcciones futuras, destacando la necesidad de mejores datos sintéticos, métricas de evaluación fiables y la integración con modelos multimodales.
• Recurso Abierto: Ponen a disposición una colección de recursos en GitHub para la comunidad.

4. Resultados

• Desempeño en Datos con Referencia (Full-Reference):
  • En términos de métricas PSNR y SSIM, el modelo UIE-DM (basado en difusión) obtuvo los mejores resultados generales.
  • Sin embargo, se observó que los top 5 algoritmos tienen diferencias mínimas en métricas cuantitativas, sugiriendo que la búsqueda de PSNR/SSIM más altos podría estar alcanzando un punto de saturación en datos sintéticos o controlados.
• Desempeño en Datos sin Referencia (No-Reference):
  • En métricas no referenciadas (UIQM, UCIQE), el modelo UGAN mostró el mejor rendimiento general, indicando una mayor capacidad de generalización en imágenes reales.
  • En la métrica basada en aprendizaje URANKER, UIE-DM y CECF destacaron.
• Observaciones Visuales:
  • Aunque las métricas numéricas son similares, las evaluaciones visuales revelaron diferencias notables. Algunos algoritmos aún producen efectos azul-verdes o no restauran adecuadamente los detalles en condiciones de baja iluminación.
  • La conclusión general es que UIE-DM es superior en capacidad de ajuste (fitting) en datos de referencia, mientras que UGAN destaca en capacidad de generalización en datos reales.

5. Significado y Futuro

Esta encuesta es fundamental porque establece un estándar para la evaluación futura en el campo de la visión submarina. Señala que la UIE es un campo emergente, no resuelto, y plantea direcciones críticas para la investigación futura:

• Síntesis de Datos de Alta Calidad: Uso de motores de juego (como Unreal Engine) para generar pares de imágenes degradadas/limpias con control preciso sobre factores físicos (profundidad, partículas, iluminación).
• Impacto en Tareas Descendentes: Investigar la correlación entre la mejora de imagen y tareas como la detección de objetos, dado que algunos estudios sugieren que la mejora excesiva puede suprimir el rendimiento de detectores.
• Modelos Multimodales: Integración de modelos de lenguaje-vision a gran escala (como CLIP) para aprovechar la semántica global y mejorar la restauración.
• Iluminación No Uniforme: Desarrollo de algoritmos específicos para entornos con fuentes de luz artificial que generan sombras y gradientes complejos.
• Métricas de Evaluación Fiables: Necesidad urgente de métricas sin referencia que se alineen mejor con la estética subjetiva humana, ya que las actuales a menudo fallan en predecir la calidad percibida.

En resumen, el artículo no solo resume el estado actual, sino que proporciona una hoja de ruta clara para superar las limitaciones actuales mediante la unificación de enfoques físicos, de aprendizaje profundo y de evaluación.