通过无监督学习表面形状观察水下
计算机视觉与模式识别
2026-03-10 v1
摘要
我们解决从空中观察水面以移除由水面折射引起的图像畸变的问题。我们的 метод基于在不同时间点建模各种水面结构，假设底层图像保持不变。为此，我们提出一个由两个神经场网络组成的模型：第一个网络预测每个空间位置和时间的水面高度，第二个网络预测每个位置的图像颜色。利用这两个网络，我们可以重建观察到的图像序列，从而实现无监督训练。我们表明，使用带周期激活函数的隐式神经表示（SIREN）能够有效建模水面高度时空信号及其导数，这是图像重建所必需的。使用模拟数据和真实数据我们展示我们的方法在性能上优于最新的无监督图像恢复方法。此外，它还提供了水面估计。
引用
@article{arxiv.2603.07614,
title = {Looking Into the Water by Unsupervised Learning of the Surface Shape},
author = {Ori Lifschitz and Tali Treibitz and Dan Rosenbaum},
journal= {arXiv preprint arXiv:2603.07614},
year = {2026}
}