4.23K参数冲SOTA！这篇水下增强把频率先验玩明白了

这篇工作最有意思的地方，不是“又加了个注意力”，而是把频率先验和重参数化卷积硬绑在一起，还尽量不增加推理成本。对超轻量水下增强来说，这种思路比单纯堆参数更像正经做工程。

龙哥读论文发布于 2026-08-16 00:20:04 阅读 3 查看原文

#图像增强 #涨点神器

🐉 龙哥读论文知识星球来了！
公众号每日8篇拆解不够看？星球无上限更AI领域论文、资讯、招聘、招博、开源代码，一站式干货，每日2分钟刷完即赚！
👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～ xingqiu_header

龙哥推荐理由：
这篇工作最有意思的地方，不是“又加了个注意力”，而是把频率先验和重参数化卷积硬绑在一起，还尽量不增加推理成本。对超轻量水下增强来说，这种思路比单纯堆参数更像正经做工程。

原论文信息如下：

论文标题:
Frequency-Guided Lightweight Underwater Image Enhancement via Re-Parameterized Convolution 发表日期:
2026年06月发表单位:
没有原文链接:
https://arxiv.org/pdf/2606.29469v1.pdf

轻量级水下图像增强的困境：效率与质量的权衡

水下图像增强这件事，看着像“把照片调亮一点”，实际却是个很容易翻车的活。水下散射会把高频细节先吃掉，吸收又会把颜色分布搅乱，最后常见结果不是“更清晰”，而是“更像一锅蓝绿粥”。对工程场景来说，麻烦还不止于此：模型一大，推理就慢；模型一小，效果又容易塌。于是就出现了一个经典矛盾——想要实时，就别指望太强；想要效果好，就别指望太快。

图1：现有图像恢复方法在效果和效率之间的综合对比。论文想解决的，就是轻量模型“跑得快但修不好”的老毛病。

这篇工作最值得注意的点，不是又堆了一个花里胡哨的模块，而是盯住了一个很朴素的事实：轻量模型之所以修不好，不一定是“网络不够深”，而是“缺少显式频率先验”。白话讲，就是模型只会看像素，不太会主动分辨“哪里是颜色问题，哪里是边缘问题，哪里是整幅图的频谱结构出了毛病”。

于是，论文把两个思路拧到一起：一个是用重参数化卷积在训练时塞进固定的 DCT 先验，另一个是用傅里叶统计去做通道调制。目标很明确：训练时把模型“教聪明”，推理时尽量别增加负担。这个方向就很工程，不玩虚的。

频率引导设计：从DCT先验到傅里叶注意力

先把术语掰直。DCT 是 Discrete Cosine Transform，离散余弦变换；FT 是 Fourier Transform，傅里叶变换。前者更像把图像拆成一组规则的余弦“积木”，后者则是在频域里看整张图到底是低频平滑成分多，还是高频纹理和边缘多。对水下图像来说，这两者都很重要：颜色偏移像低频问题，边缘丢失像高频问题，单靠空间域卷积经常顾此失彼。

论文的思路很直接：既然频率信息这么关键，那就别装作看不见。问题在于，很多频率注意力方法一上来就很重，动不动几十万甚至几百万参数，和“超轻量实时增强”这个目标完全不在一个频道。论文因此没有走“大而全”的频率分解路线，而是选择了两个更克制的设计：一个负责在训练中注入频率先验，一个负责在推理前用全局频率统计调制特征。

图2：方法整体架构图。训练阶段使用可重参数化卷积和频率引导注意力共同增强特征；推理阶段则把多分支卷积折叠成单个卷积核，尽量把额外开销压到最低。

这里有个很关键的概念叫结构重参数化。意思是训练时可以把一个模块拆成多个分支，方便学习；到了推理时，再把这些分支数学上合并成一个普通卷积核。这样做的好处很现实：训练阶段表达能力更强，部署阶段成本不涨。论文把这个思路用在频率增强上，算是把“聪明”和“便宜”尽量同时保住了。

MBRCon-vDCT：零推理成本的频率增强卷积

论文把这个模块叫做 MBRCon-vDCT，全称是 Multi-Branch Reparameterizable Convolution with fixed DCT priors，中文可以理解为“带固定 DCT 先验的多分支可重参数化卷积”。名字很长，干的事不复杂：在原本的多分支卷积里，再加一条固定的 DCT 方向分支，让卷积在训练时更容易学到水平、垂直、对角等方向上的频率模式。

这一步的核心不是“加更多参数”，而是“加更有方向感的参数”。普通轻量卷积很多时候是平滑的、均匀的，像一个只会点头的老实人；但水下退化往往有明显的频率结构，尤其是边缘被抹掉、纹理被吞掉时，模型更需要知道该往哪个方向补。固定 DCT 核就像提前发给模型一套“频率地图”，让它少走弯路。

图3：模型结构具体实现图。可以看到，DCT 分支只在训练时参与特征提取，推理时会被解析并折叠进标准卷积核，因此不会额外增加部署成本。

更妙的是，这条 DCT 分支是线性的，所以能和卷积数学上合并成一个等效 3×3 卷积核。换句话说，训练时看起来像“多了一条路”，推理时其实已经“消失”了。论文还用了零初始化的门控，让这条分支一开始不会乱搅局，只有在确实有帮助时才慢慢发挥作用。这个设计挺像给模型安排了一个“试用期”，表现好再转正。

从工程角度看，这种做法的价值很大：它避免了“为了频率信息，推理时多背一口锅”。很多方法论文喜欢在图里画得很热闹，真正上线后却得多跑一堆算子；这篇至少在这点上是认真控制成本的。

FGDP：全局频率统计引导的通道调制

第二个模块叫 FGDP，全称是 Frequency-Guided Dual-Path Attention，频率引导双路径注意力。这个名字听起来像是“注意力界的双拼套餐”，其实逻辑很清楚：一条路看全局频率统计，一条路看空间显著性，再把两者合起来调制通道响应。它不去做复杂的频带分解，而是直接提取全局频谱的统计特征，尽量把事情做轻。

它的第一步是把特征图下采样到固定的 32×32 网格，再做傅里叶变换，取对数幅度谱。这里的关键是“固定分辨率”。因为频谱如果直接跟着输入尺寸乱飘，注意力就会跟着抖，训练也容易不稳定。固定到 32×32 之后，频率描述就变成了一个分辨率无关、稳定可比的全局统计量。

图4：频率引导注意力的关键流程示意。频谱分支负责提供全局频率统计，空间分支负责捕捉局部显著区域，最后通过轻量融合生成最终的调制权重。

接着，FGDP 把频谱统计和空间统计分别送进轻量 1×1 卷积，得到通道注意力和空间注意力，再用一个静态可学习的融合策略合并。这里没有用复杂的动态路由，也没有搞多头注意力那种“看起来很高级、算起来很肉疼”的套路，而是老老实实用简单模块完成调制。对轻量模型来说，这种克制很重要：能用统计量解决的，就别上大模型式的豪华配置。

从直觉上看，这个模块做的事有点像“先看整张照片的气色，再决定哪里该补光、哪里该锐化”。频率分支更关心全局颜色和纹理分布，空间分支更关心局部结构和边缘显著性，两者互补。论文后面的消融也证明了这一点：单靠卷积先验能涨一点，但真正把频率统计引进来，提升就会明显多得多。

实验验证：4.23K参数超越百万级模型

这部分是论文最能打的地方。先说实验设置：作者在 UIEB 上做有参考评测，在 EUVP 和 UIQS 上做无参考泛化测试；训练使用单卡 RTX 3090，输入裁成 256×256 patch，训练 1000 轮，损失函数沿用 MobileIE 的局部加权方差损失。整体设置不花哨，但比较规范，至少没有拿奇怪的自定义数据集自己感动自己。

论文的主张很明确：频率先验不是“锦上添花”，而是轻量增强模型补短板的关键抓手。如果这个判断成立，那么实验里应该出现两种信号：一是参数几乎不变，但性能明显上升；二是对真实水下图像的泛化更稳，不只是参考集上好看。结果基本符合预期。

表1：主要实验结果表格。论文在 UIEB、EUVP、UIQS 上给出了与多种方法的对比，重点展示了轻量模型在精度、感知质量和泛化能力上的综合表现。

在 UIEB 上，论文报告的结果是 23.97 dB PSNR 和 0.915 的 SSIM，而参数量只有 4.23K。更直观一点说，它比强力轻量基线 MobileIE 还高出约 1.1 dB，同时参数量基本同级；和 U-Shape Transformer 这类大模型比，参数规模差了几个数量级，但感知指标并没有被拉开到离谱的程度，甚至 LPIPS 还更低。这个结果说明，在轻量场景里，频率先验确实能把“容量不够”补回来一截。

更值得看的是无参考数据集上的表现。EUVP 和 UIQS 都更接近真实世界，颜色偏移、浑浊、光照不均这些问题更杂、更脏、更不讲武德。论文在这两个数据集上的结果说明，方法不是只会在配对数据上“刷分”，而是真的能把全局色彩和结构细节拉回来一些。尤其是视觉结果里，很多对比方法会留下残余雾气或者颜色不自然的问题，而本文方法的画面更均衡，边缘也更完整。

表2：消融实验表格。该表用于验证 v-DCT 分支、FGDP 模块以及频率分辨率选择的贡献，说明性能提升不是“玄学叠 buff”，而是每个组件都有明确作用。

消融实验更能说明问题。只加 v-DCT，PSNR 只涨了小幅度，说明固定 DCT 先验本身是“加分项”，但还不是主菜；一旦加上 FGDP，性能提升就非常明显，说明真正起决定作用的是全局频率统计对通道调制的引导。这也符合直觉：卷积先验负责“补方向”，频率注意力负责“定全局”，两者合起来才像一个完整修图流程。

论文还分析了 32×32 频谱分辨率的选择。分辨率更高，收益很有限，但算力成本会上去；分辨率更低，性能会掉。这个结论很像工程现场的真实选择：不是“越细越好”，而是“够用且稳定最好”。这点挺实在，至少作者没有为了追一点点分数把模型搞得越来越重。

图5：对比试验可视化结果。和多种方法相比，本文方法在颜色平衡、局部纹理和边界清晰度上更稳定，尤其适合展示真实水下场景中的复杂退化。

复杂度分析也很关键。v-DCT 分支在推理时被完全折叠，所以可以视作零额外开销；FGDP 的频率分支固定在 32×32 上计算，复杂度近似常数，不会随着输入尺寸无限膨胀。对边缘设备来说，这种设计意味着方法不是“实验室里能跑”，而是更接近“真能部署”。当然，真要上船、上机器人、上移动端，还得看具体硬件和并发要求，但起码方向是对的。

总结与展望：频率先验在轻量级视觉中的潜力

这篇论文的价值，不在于“又提出了一个更复杂的增强网络”，而在于它把一个常被忽略的事实说透了：轻量视觉模型不是不能做强，而是不能只靠空间卷积硬扛。频率先验、重参数化、低成本注意力，这三件事单看都不新，但组合起来就很像一套能落地的工程解法。

不过也要客观看：这类方法的上限仍然受限于训练数据分布和任务类型。水下增强本身就有很强的场景依赖，不同水体、不同相机、不同光照条件下，频率结构会变，最优策略也会变。论文虽然在多个数据集上证明了泛化，但真正到复杂海洋场景里，仍然需要更大范围的实测验证。换句话说，它已经很像一个好底座了，但还不是“万能滤镜”。

如果把这篇工作放到更大的范围里看，它给轻量视觉一个很实用的启发：与其一味加深加宽，不如想办法把先验塞进每一个参数里。对于边缘端图像增强、低照度恢复、去雾、去噪等任务，这种“训练期加知识，推理期不加负担”的路线，后面大概率还会继续冒头。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：

这篇论文到底解决了什么问题？它解决的是轻量级水下增强“速度快但效果不够好”的老问题。核心思路不是盲目加参数，而是把频率先验显式塞进网络，让模型更会处理颜色偏移和细节丢失。

MBRCon-vDCT 和 FGDP 分别在干什么？前者是在训练时引入固定 DCT 方向先验，推理时还能折叠掉；后者是先算一个固定分辨率的傅里叶幅度统计，再结合空间显著性做通道调制。一个补“方向感”，一个管“全局感”。

为什么说它适合轻量部署？因为推理阶段几乎不增加额外负担：DCT 分支可折叠，频率注意力只在 32×32 上做固定统计，参数量只有 4.23K，算得上是真正把“轻量”放在了第一位。

如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★☆☆ 频率先验不是新概念，但把 DCT 先验和可重参数化卷积、傅里叶统计注意力绑在一起，并且严格控制推理开销，这个组合是有新意的。

实验合理度：★★★★☆ 数据集、对比方法和消融都比较完整，尤其是把真实无参考数据集也拉进来，说明作者没只盯着“刷分图”。

学术研究价值：★★★★☆ 对轻量图像增强和边缘端视觉有明确启发，特别适合后续继续做频率先验与结构重参数化的结合。

稳定性：★★★☆☆ 从设计上看比较稳，但频率统计和水下场景分布强相关，跨域到别的退化类型还需要额外验证。

适应性以及泛化能力：★★★☆☆ 在 UIEB、EUVP、UIQS 上表现不错，但仍偏向水下增强任务本身，离“通吃所有恢复任务”还有距离。

硬件需求及成本：★★★★★ 4.23K 参数、推理零额外卷积分支成本，这一点非常适合移动端或边缘端。

复现难度：★★★☆☆ 方法本身不算难，关键在于训练细节和频率分支实现是否严谨，代码若不开源会有一点门槛。

产品化成熟度：★★★★☆ 如果目标是轻量水下增强，这套设计已经比较接近可部署方案；但真实海洋场景仍建议先做场景化再训练。

可能的问题：频率先验有效，但依赖任务分布；如果退化机制变了，固定频率设计未必还能保持同样收益。

主要参考文献

[1] Han H, Li Y, Zhang X, et al. MobileIE: An Extremely Lightweight and Effective Network for Real-Time Image Enhancement on Mobile Devices. ICCV 2025.

[2] Peng L, Zhu C, Bian L. U-shape Transformer for Underwater Image Enhancement. IEEE Transactions on Image Processing, 2023.

[9] Ding X, Zhang X, Ma N, et al. RepVG: Making VGG-style ConvNets Great Again. CVPR 2021.

[10] K. A. et al. MobileOne: An Improved One Millisecond Mobile Backbone. CVPR 2023.

[16] Qin Z, Zhang P, Fu F, et al. FcaNet: Frequency Channel Attention Networks. ICCV 2021.

[25] Li C, Guo C, Ren W, et al. An Underwater Image Enhancement Benchmark Dataset and Beyond. TIP 2020.

水下增强卷积也能“听懂频率”了，轻量、快、还不太掉画质。想继续看这类能落地、能省算力、能涨指标的论文，欢迎加入龙哥读论文粉丝群，和一群认真拆论文的人一起少走弯路～

欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如图像处理+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。
『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群