近日，我校计算机科学与技术学院2024级电子信息计算机技术专业研究生王成以第一作者（导师为通讯作者）在国际著名刊物《Pattern Recognition》（JCR/中科院：Q1，Top期刊，影响因子：7.6）上发表题为“DEER: Diffusion-empowered efficient restoration for underwater images”研究论文。
该论文是在我校计算机科学与技术学院焦铬教授的指导下完成，衡阳师范学院为第一署名单位。
论文的核心策略是“训练阶段扩散辅助、推理阶段无需扩散”，在保留扩散模型强大表征能力的同时避免迭代采样带来的高推理开销，从而实现水下图像恢复任务中性能与效率的平衡。研究进一步将该策略集成到由增强网络与恢复网络组成的级联框架DEER：增强网络对退化特征进行初步增强，为后续恢复提供丰富的频域先验；恢复网络在联合训练阶段引入扩散模型提供动态梯度引导，促使轻量级恢复模型学习自然图像的特征结构。推理阶段舍弃扩散模型，仅保留增强网络与轻量级恢复模型，实现快速高质量水下图像恢复。
