DeepSeeColor: Realtime Adaptive Color Correction for Autonomous Underwater Vehicles via Deep Learning Methods

要約

水中での複雑な視覚ベースの動作の応用は、地上や空中での進歩に比べると遅れている。これは、水中での画像形成に関わる物理現象に起因する画質の劣化が主な原因です。スペクトル選択的な光の減衰は、水中画像からいくつかの色を奪い、後方散乱は他の色を加えるため、水中で視覚に基づくタスクを実行することは困難です。水中での色補正のための最新の方法は、画像形成モデルのパラメータを最適化し、水中画像にフルスペクトルの色を復元します。しかし、これらの手法は、主にオフラインの色補正のために設計されているため、計算量が多く、自律型水中ロボット（AUV）による実時間利用には不向きです。本論文では、最先端の水中画像形成モデルとディープラーニングフレームワークの計算効率を組み合わせた新しいアルゴリズムであるDeepSeeColorを紹介します。実験では、DeepSeeColorが人気のある「Sea-Thru」アルゴリズム（Akkaynak & Treibitz, 2019）と同等の性能を提供しながら、最大60Hzで画像を高速処理できるため、AUVに搭載してより堅牢な視覚ベースの動作を可能にする前処理段階として使用するのにふさわしいことを示す。

要約(オリジナル)

Successful applications of complex vision-based behaviours underwater have lagged behind progress in terrestrial and aerial domains. This is largely due to the degraded image quality resulting from the physical phenomena involved in underwater image formation. Spectrally-selective light attenuation drains some colors from underwater images while backscattering adds others, making it challenging to perform vision-based tasks underwater. State-of-the-art methods for underwater color correction optimize the parameters of image formation models to restore the full spectrum of color to underwater imagery. However, these methods have high computational complexity that is unfavourable for realtime use by autonomous underwater vehicles (AUVs), as a result of having been primarily designed for offline color correction. Here, we present DeepSeeColor, a novel algorithm that combines a state-of-the-art underwater image formation model with the computational efficiency of deep learning frameworks. In our experiments, we show that DeepSeeColor offers comparable performance to the popular ‘Sea-Thru’ algorithm (Akkaynak & Treibitz, 2019) while being able to rapidly process images at up to 60Hz, thus making it suitable for use onboard AUVs as a preprocessing step to enable more robust vision-based behaviours.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL