CWR

对比学习一键复原水下图像，颜色细节双提升

CWR 是一个基于对比学习的水下图像复原开源项目，对应 IGARSS 2021 口头报告论文。它解决水下图像因光吸收和散射导致的颜色失真、对比度低、细节模糊等问题。核心能力是采用对比学习框架，让模型学习从退化水下图像到清晰图像的映射，同时结合生成对抗网络提升复原质量。项目提供了完整的数据集和 PyTorch 实现代码，支持训练和测试流程。相比传统物理模型方法，该方法无需复杂的水质参数估计，直接端到端学习复原，在多种水下场景中展现出更好的色彩校正和细节恢复效果。适合研究人员和开发者快速复现论文结果，并在此基础上进行二次开发。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 92

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队JunlinHan

所属国家

官网地址

GitHubhttps://github.com/JunlinHan/CWR

定价模式free

价格说明开源代码和数据集，完全免费，需自行部署使用。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型computer-vision,generative-adversarial-network,image-generation,image-restoration,low-level-vision,pytorch,underwater-image

GitHub 星标★ 92

30天Star增速

HF 下载量

上线时间2021-03-17 00:00:00

最近更新2026-08-29 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

对比学习框架创新，无需物理参数估计，复原更鲁棒
提供完整数据集和训练测试代码，复现门槛低
IGARSS 2021 口头报告，方法经过学术验证

不足之处

项目文档较简略，缺少详细的环境配置和训练指南
代码结构未模块化，扩展自定义模型需较多改动

适用场景

海洋生物观测与水下摄影图像增强
水下机器人视觉系统预处理
学术研究中的水下图像复原基准对比

替代项目

Ucolor、WaterNet、Underwater-DCNN

项目介绍

CWR 是计算机视觉领域的开源项目，由 JunlinHan 开发，2021 年首次发布。

它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 92。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-08-29。开源代码和数据集，完全免费，需自行部署使用。

它主要面向的使用场景是：海洋生物观测与水下摄影图像增强。同类可对比的替代方案包括 Ucolor、WaterNet、Underwater-DCNN。

上一篇：Deep-Exemplar-based-Video-Colorization

下一篇：NED

CWR