QMSR: Query-Conditioned Mask-wise Expert Routing for Robust Open-Vocabulary Underwater Object Retrieval

📄 arXiv: 2609.18752v1 📥 PDF

作者: Fuming Zhang, Dongyue Huang, Junjie Wen, Lihua Xie

分类: cs.RO

发布日期: 2026-09-16

备注: This paper has been submitted to ICRA2027

💡 一句话要点

提出QMSR框架以解决复杂水下环境中的开放词汇物体检索问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 水下物体检索 开放词汇 图像增强 专家路由 自适应增强 深度学习 计算机视觉

📋 核心要点

  1. 现有的水下物体检索方法在复杂环境中表现不佳，固定的图像增强策略可能导致性能下降。
  2. 本文提出的QMSR框架通过查询条件选择适合的UIE专家，实现自适应的图像增强，保留原始语义信息。
  3. 实验结果显示，QMSR在NDCG@10上提升了17.6%，超越了传统的共享路由器和固定UIE策略。

📝 摘要（中文）

开放词汇物体检索在复杂的水下环境中仍然面临挑战。尽管水下图像增强（UIE）可以改善视觉质量，但固定的UIE策略在检索中可能表现不佳，表明增强不应作为统一的预处理步骤。为了解决这一问题，本文提出了QMSR，一个基于查询条件的掩码专家路由框架，能够为每个查询-候选对选择一个预训练的UIE专家，并预测连续的原始-专家融合强度，从而实现自适应增强，同时保留有用的原始语义。实验结果表明，QMSR在NDCG@10上比共享路由器提高了17.6%，并且在固定UIE策略上表现出色，且在保留的查询类别上仍然有效。这些结果证明了基于查询条件和候选特定的增强路由在水下开放词汇检索中的有效性。

🔬 方法详解

问题定义：本文旨在解决复杂水下环境中开放词汇物体检索的挑战，现有方法在图像增强方面存在固定策略导致性能下降的问题。

核心思路：QMSR框架通过查询条件选择合适的UIE专家，并预测原始图像与专家增强结果的融合强度，从而实现自适应增强，避免了统一预处理的局限性。

技术框架：QMSR的整体架构包括查询条件的输入、专家选择模块、融合强度预测模块以及最终的检索输出。训练过程中，使用特权排名oracle提供专家选择和融合强度的监督。

关键创新：QMSR的核心创新在于其查询条件和候选特定的增强路由机制，显著区别于传统的固定增强策略，能够根据具体查询动态调整增强效果。

关键设计：在设计中，采用了软路由放松技术以优化硬性Top-1路由策略，同时设置了损失函数以平衡专家选择和融合强度的学习。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，QMSR在NDCG@10指标上提升了17.6%，显著优于传统的图像-查询共享路由器，并且在固定UIE策略上表现出色，验证了其在保留查询类别上的有效性。

🎯 应用场景

该研究的潜在应用领域包括水下探测、海洋生物监测和水下考古等。通过提高水下物体检索的准确性和鲁棒性，QMSR框架能够为相关领域提供更为有效的技术支持，推动水下视觉技术的发展。

📄 摘要（原文）

Open-vocabulary object retrieval remains challenging in complex underwater environments. Although underwater image enhancement (UIE) can improve visual quality, fixed UIE strategies may even underperform the Raw representation in retrieval, indicating that enhancement should not be applied as a uniform preprocessing step. To address this problem, we propose \textbf{QMSR}, a query-conditioned mask-wise expert routing framework for underwater open-vocabulary retrieval. Specifically, QMSR selects one pretrained UIE expert for each query--candidate pair and predicts a continuous Raw--Expert fusion strength, enabling adaptive enhancement while preserving useful Raw semantics. During training, a privileged ranking oracle provides expert-selection and fusion-strength supervision, while an annealed soft-routing relaxation facilitates optimization of the hard Top-1 routing policy. Experiments show that QMSR improves NDCG@10 by 17.6\% over an image--query shared router, while consistently outperforming fixed UIE strategies and remaining effective on held-out query categories. These results demonstrate the effectiveness of query-conditioned and candidate-specific enhancement routing for underwater open-vocabulary retrieval.