BenthiCat：用于提升珊瑚礁分类与栖息地图测的优化声学数据集

珊瑚礁栖息地图测是理解海洋生态系统、指导保育 efforts 以及支持可持续资源管理的基本任务。然而，稀缺的大规模标注数据集限制了该领域机器学习模型的开发与基准测试。本文引入了一个全面的多模态数据集，包含约百万侧扫描声呐（SSS）瓷砖，收集于西班牙卡洛纳亚海岸，配合测深图以及一组针对特定调查使用自主 underwater vehicle（AUV）的共定位光学图像。大约 \num{36000} 个 SSS 瓷砖被手动标注为分割掩码，以支持监督式模型微调。所有原始传感器数据及拼贴图也一并发布，以支持进一步探索与算法开发。为解决 AUV 多传感器数据融合中的挑战，我们在空间上将光学图像与相应的 SSS 瓷砖进行关联，促进自监督式、跨模态表征学习。附带的开源预处理与标注工具亦一并提供，以提升可及性并鼓励研究。该资源旨�建立标准化的 underwater habitat mapping 基准，推动自主海底分类与多传感器集成的进展。