使用生成对抗网络增强水下图像
计算机视觉与模式识别
2018-01-15 v1 机器人学
摘要
自主水下航行器(AUV)依赖多种传感器——声学、惯性和视觉——进行智能决策。由于其非侵入性、被动特性以及高信息含量，视觉是一种有吸引力的传感方式，尤其在较浅深度。然而，光线折射与吸收、水中悬浮颗粒以及色彩失真等因素会影响视觉数据质量，导致噪声和失真图像。因此，依赖视觉传感的 AUV 面临艰巨挑战，并在视觉驱动任务上表现出较差性能。本文提出一种使用生成对抗网络(GAN)改善水下视觉场景质量的方法，旨在为自主流水线下游的视觉驱动行为提供更好的输入。此外，我们展示了近期提出的方法如何能够生成用于此类水下图像复原的数据集。对于任何视觉引导的水下机器人，该改进可通过鲁棒视觉感知提高安全性与可靠性。为此，我们给出了定量与定性数据，表明通过所提方法校正后的图像更具视觉吸引力，并为潜水员跟踪算法提供了更高的准确率。
引用
@article{arxiv.1801.04011,
title = {Enhancing Underwater Imagery using Generative Adversarial Networks},
author = {Cameron Fabbri and Md Jahidul Islam and Junaed Sattar},
journal= {arXiv preprint arXiv:1801.04011},
year = {2018}
}
备注
Submitted to ICRA 2018