基于GAN综合图像的水下特征提取与匹配知识蒸馏
计算机视觉与模式识别
2025-08-06 v2
摘要
自主水下车辆 (AUV) 在水下探索中发挥着关键作用。基于视觉的方法为在GPS和LiDAR等传统传感器不可用的情况下提供了经济高效的定位和制图解决方案。然而，水下环境由于由衰减、散射以及海洋雪的干扰导致图像模糊和噪声，为特征提取和匹配带来了显著挑战。本文旨在通过跨模态知识蒸馏方法改进水下环境中特征提取和匹配的鲁棒性，该方法利用合成水下图像作为媒介，将面空气特征提取和匹配模型迁移到水下场景。我们首先提出了一种新型自适应GAN综合方法，用于估计水参数和水下噪声分布，以生成特定于环境的合成水下图像。随后，我们引入了一种与不同教师模型兼容的通用知识蒸馏框架。对GAN综合结果的评估突显了新组件的重要性，即GAN综合噪声和前向散射。此外，作为特征提取和匹配的代表性下游应用，VSLAM被用于真实水下序列，以验证所转移模型的有效性。项目页面：https://github.com/Jinghe-mel/UFEN-GAN
引用
@article{arxiv.2504.08253,
title = {Knowledge Distillation for Underwater Feature Extraction and Matching via GAN-synthesized Images},
author = {Jinghe Yang and Mingming Gong and Ye Pu},
journal= {arXiv preprint arXiv:2504.08253},
year = {2025}
}