TI-UIED

TI-UIED数据集用于水下图像增强研究，包含训练和测试集，每集包括图像、掩码和参考图像。

The TI-UIED dataset is designed for underwater image enhancement research. It comprises training and test subsets, each of which includes images, masks, and reference images.

原始信息汇总

数据集概述

数据集名称

TI-UIED

数据集来源

本数据集由论文《Downstream Task Inspired Underwater Image Enhancement: A Perception-Aware Study from Dataset Construction to Network Design》的作者构建并发布。

数据集用途

用于水下图像增强研究，特别是面向下游任务（如感知任务）的感知感知型图像增强。

数据集内容与结构

数据集包含训练集（train）和测试集（test）。每个子集下包含三个目录：

• images: 存放待增强的水下图像文件（格式为.jpg）。
• masks_png: 存放与图像对应的掩码文件（格式为.png）。
• reference: 存放参考图像文件（格式为.jpg）。

数据集获取方式

• 百度网盘：https://pan.baidu.com/s/1bn0ZRFZYGz1TaNzTwrDwew?pwd=v7fv
• Google Drive：链接待定（TBD）。

下载后需解压，并建议放置于项目目录的 ./dataset/ 路径下。

许可信息

数据集遵循 Creative Commons Attribution-NonCommercial 4.0 International 许可，仅限非商业用途。任何商业使用需事先获得正式许可。

搜集汇总

数据集介绍

构建方式

在海洋视觉计算领域，高质量的数据集是推动水下图像增强技术发展的基石。TI-UIED数据集的构建遵循了感知驱动与下游任务导向的双重原则，通过系统采集真实水下场景的原始图像，并辅以精细的人工标注流程，生成了对应的参考图像与语义分割掩码。该过程强调图像质量的客观评估与视觉感知的一致性，确保了数据在色彩校正、清晰度恢复及细节保留等多维度增强任务中的代表性与可靠性。

特点

TI-UIED数据集的核心特点在于其多维度的标注体系与任务驱动的设计理念。数据集不仅提供了原始水下图像及其经专家处理后的参考增强图像，还包含了像素级的语义分割掩码，从而支持从图像质量提升到高层视觉理解的一体化研究。这种结构使得数据集能够同时服务于低层次的图像增强与高层次的感知任务，如目标检测与场景分割，为水下视觉系统的端到端优化提供了宝贵的数据基础。

使用方法

为便于研究者使用，TI-UIED数据集已提供公开下载链接，并配备了清晰的文件目录结构。用户需将数据集解压至指定文件夹，按照训练集与测试集划分组织图像、掩码及参考图像。数据集的典型应用流程包括：加载数据并进行预处理，利用配套的预训练模型进行水下图像增强网络的训练或测试，并可进一步结合分割掩码开展多任务学习。相关代码库提供了完整的训练与测试脚本，支持快速复现实验并评估模型在感知与下游任务上的性能。

背景与挑战

背景概述

水下图像增强作为计算机视觉与海洋探测交叉领域的关键技术，长期致力于克服水体对光线的吸收与散射效应，以恢复图像的真实色彩与清晰度。TI-UIED数据集由Bosen Lin、Feng Gao等研究人员于2026年构建，并发表于《IEEE Transactions on Image Processing》。该数据集以感知驱动与下游任务为导向，旨在通过系统化的数据构建与网络设计，推动水下图像增强从视觉质量优化向实际应用任务（如目标检测与分割）的范式转变。其核心研究问题聚焦于如何将图像增强过程与下游任务的性能提升深度融合，从而在海洋资源勘探、水下机器人导航等领域产生实质性的影响力。

当前挑战

在解决水下图像增强的领域问题时，TI-UIED数据集面临的主要挑战在于如何有效平衡图像视觉质量的提升与下游任务性能的优化。传统增强方法往往仅关注色彩校正或去雾效果，而忽视了增强后图像在语义分割、目标检测等任务中的可用性，导致增强结果与任务需求脱节。在构建过程中，挑战则体现在高质量参考图像的获取与标注上。水下环境复杂多变，获取清晰、色彩真实且具有精确掩码标注的图像数据极为困难，需要克服光照不均、悬浮物干扰以及水下拍摄设备限制等多重因素，以确保数据集的多样性与可靠性。

常用场景

经典使用场景

在海洋视觉研究领域，水下图像常因光线衰减、散射和颜色失真而质量低下，TI-UIED数据集通过提供高质量的真实水下图像及其对应的参考图像，为水下图像增强算法的训练与评估奠定了坚实基础。该数据集广泛应用于监督学习框架中，研究人员利用其配对数据训练深度神经网络，以恢复水下场景的真实色彩与清晰度，从而推动计算机视觉在水下环境中的感知能力提升。

实际应用

在实际应用中，TI-UIED数据集支持的水下图像增强技术可直接服务于海洋资源勘探、水下机器人导航、生物监测和海底基础设施检测等领域。通过改善图像质量，该数据集帮助提升自动化系统的视觉感知能力，增强对水下目标的识别与跟踪效率，为海洋工程和环境保护提供了可靠的技术支撑。

衍生相关工作

基于TI-UIED数据集，衍生出了一系列经典研究工作，如感知感知的水下增强网络设计和下游任务驱动的优化方法。这些工作不仅推动了水下图像处理算法的创新，还促进了跨领域融合，例如将增强技术应用于水下目标检测和分割任务，进一步拓展了数据集在海洋人工智能中的影响力。