MarineVRS 是一种专为海洋领域设计的新型灵活视频检索系统，采用最先进的视觉和语言对象表示方法，可以有效准确地搜索和分析大量的水下视频数据，并包括了 Explainability 模块，该模块可输出输入查询所指的对象的分割掩模，从而使用户能够识别和分离视频镜头中的特定对象，以更深入地分析和理解它们的行为和移动。

Jun, 2023

基于构建的合成水下视频增强数据集 (SUVE) 和利用帧间关系的新型水下视频增强模型 UVENet，该研究首次全面探索水下视频增强领域，并在合成和真实水下视频的广泛实验中展示了方法的有效性。

Mar, 2024

DeepFish 提出了一个大规模的、适用于多个计算机视觉任务的数据集，该数据集包含了约 40,000 张图像，覆盖了 20 个热带海洋环境的鱼类栖息地，并且收集了点级别和分割标签，可以用于鱼类数量的自动监测、位置的标识和大小的估计。该数据集可以作为一个测试基准，用于激励在这一具有挑战性的水下计算机视觉领域的进一步发展。

Aug, 2020

该论文介绍了一种用于水下视觉对象跟踪（UVOT）的新数据集和通用跟踪器增强方法。论文提出了一种新颖的水下图像增强算法，针对水下环境提供了显著的性能提升，并引入了一个大规模的 UVOT 基准数据集，其中包含 400 个视频片段和 275,000 个手动注释的帧，用于深度跟踪器的水下训练和评估。

Aug, 2023

该论文介绍了一个通过从社交媒体网站获取包含多个成对图像 / 视频和文本的帖子以及包含图像 / 视频和 / 或文本的评论树来实现多模态学习的新的可公开获取的数据集，并提供了基线性能分析，适用于图像字幕、情感分析和预训练模型等多项任务。

Jun, 2020

该研究介绍了第一个公开可用的多模态感知数据集，针对自主海洋导航中的水中障碍物，以增强自主水面车辆的情境感知。该数据集包括了不同环境条件下遇到的各种物体，并旨在通过提供多模态、带注释的、自我的感知数据集来填补海洋机器人学研究的空白，以进行物体检测和分类。我们还展示了该数据集框架的适用性，使用已经取得成功的基于深度学习的开源感知算法。我们期望我们的数据集将有助于海洋自主管道和海洋机器人技术的发展。请注意，这是我们正在进行的研究的一篇进行性论文，我们计划通过未来的出版物来完整发布。

Apr, 2024

本文介绍了一个旨在填补从陆基视觉系统到海基系统的差距的大规模视觉目标检测和跟踪基准（SeaDronesSee），我们从各种高度和视角，提供海拔，视角和其他元数据等相关信息，收集和注释了超过 54,000 帧，包括 400,000 个实例，并在此基础上评估了多个最先进的计算机视觉算法。

May, 2021

这篇论文介绍了一个名为 'COIN' 的大规模视频数据集，包含了 180 个任务的 11,827 个视频，并提供了一种新的工具箱进行视频的标注和步骤划分，同时开发了两种效果良好的方法来定位重要的步骤，这将有助于进一步研究视频分析领域。

Mar, 2020

本文介绍了第一个大规模的海底图像语义分割数据集 SUIM，包含八个对象类别的 1500 多张图像像素注释，并介绍一个性能和计算效率平衡的全卷积编码解码模型 SUIM-Net 以及其在海底机器人视觉引导方面的应用。

Apr, 2020

通过引入数据集 DUO 和相应的基准，我们解决了测试集注释缺乏、数据集存在其他缺陷和没有统一基准等几个挑战，这可用于学术研究和实际工业应用中对 SOTAs（使用 MMDtection 框架）进行效率和准确率的指标评估，并使用 JETSON AGX XAVIER 来评估探测器速度以模拟机器人嵌入式环境。

Jun, 2021