水下图像往往模糊不清并且有些失真，这是因为光衰减和向后散射等现象会对可见度产生不利影响。为了解决这个问题，中国哈尔滨工程大学的研究人员设计机器学习算法生成逼真的水图像，以及能将这些图像进行训练的算法，从而恢复自然色彩并减少雾度。该研究团队称，该方法在质量和数量上都与最新技术相匹配，并且能够在单个显卡上每秒处理多达 125 帧。研究小组指出，大多数水下图像增强算法（例如那些调整白平衡的算法）都不基于物理成像模型，因此很难适应任务。相比之下，其提出的新方法利用生成对抗网络（GAN），以生成一组特定调查地点的图像并由此引入第二种算法，研究团队其称为 U-Net。（Venturebeat）