WF-Diff：当 Transformer 遇见频率扩散，水下图像增强的新范式

TL;DR

水下成像环境复杂，光线吸收与散射导致图像往往自带“原神滤镜”（严重绿/蓝偏和模糊）。本文提出的 WF-Diff 框架，首次透彻地将小波变换 (Wavelet)、傅里叶变换 (Fourier) 与 扩散模型 (Diffusion) 结合。它不再盲目地在像素上“修补”，而是先深入频域分而治之，再通过扩散模型微调残差。该方法在 UIEBD 等主流榜单上刷新了记录，PSNR 提升显著。

核心洞察：为什么要深入“频域”？

作者通过一个有趣的实验（见下图）揭示了本质：

1. 幅度谱 (Amplitude) 承载了水下图像的退化信息（如色偏）。
2. 小波解耦：将图像分解后发现，低频分量决定了颜色的准确性，而高频分量则锁定了纹理与细节的崩坏。

以往的方法试图用一套逻辑处理所有频率，结果往往是“顾了颜色、丢了细节”。

架构解析：WF-Diff 的两步走策略

WF-Diff 的整体流程非常优雅，分为两个可拆卸的部分：

1. WFI2-net：前哨增强站

它采用 U-Net 结构，但在内部植入了两大黑科技：

• Wide Transformer Block (WTB)：利用多尺度扩张卷积和自注意力捕获全局依赖，专门对付高频子带中的结构丢失。
• Spatial-Frequency Fusion Block (SFFB)：在低频子带上同时进行空间域卷积和频域幅度修正，确保颜色初步回归自然。
• Cross-Frequency Conditioner (CFC)：让高频和低频信息不再互为孤岛，实现跨频率的特征交互。

2. FRDAM：扩散调节器

这是本文最惊艳的设计。传统的扩散模型（Diffusion）从纯噪声生成图像，容易产生不可控的伪影。FRDAM 提出了 “残差学习”：

• 它不直接生成图像，而是学习初步增强结果与 Ground-truth 之间的残差分布。
• 分而治之：设有 LDFB（低频扩散分支）和 HDFB（高频扩散分支），分别精准调优颜色基调和微观纹理。

实验战绩：全方位的视觉收割

在真实世界数据集 UIEBD 和 LSUI 的横向对比中，WF-Diff 展现了降维打击般的优势：

• 对比度与颜色：完全去除了水下常见的重度绿偏。
• 细节恢复：在鱼群、珊瑚礁等复杂纹理上，边缘锐利度远超 baseline。

从数据上看，PSNR 从主流的 20-21dB 跃升至 23.86dB，这在 UIE 任务中是巨大的飞跃。

深度思考：未来的进击方向

尽管 WF-Diff 效果拔群，但作者也坦诚地指出了当前扩散模型的通病——推理速度（Inference Speed）。由于涉及两个分支的多次迭代采样，实时性仍是短板。

总结 (Takeaway)：这篇论文的价值在于提供了一种“频域+残差扩散”的标准化思路。对于从事底层视觉研究的开发者，这种将任务拆解为“先初步恢复（Transformer/CNN），再精细建模残差（Diffusion）”的模式，具有极高的重用价值。

注：文中公式推导及消融实验细节请参考原文。项目代码已开源。