光学海洋配方：创建真实数据集以促进水下视觉研究

水下环境中机器视觉的开发与评估仍然具有挑战性，通常依赖于针对特定应用进行试错式测试。这部分是由于缺乏受控的、有真实标注的测试环境，无法考虑光学挑战，如光谱变化的光衰减引起的颜色失真、后向散射和体积散射导致的对比度降低与模糊，以及自然或人工光照产生的动态光模式。此外，海洋水体在图像中的外观在不同区域、深度和季节之间差异显著。然而，大多数机器视觉评估是在特定光学水体类型和成像条件下进行的，因此往往缺乏泛化能力。在多样化开放水域场景中进行详尽测试在技术上不切实际。为解决这一问题，我们引入了光学海洋配方（Optical Ocean Recipes），一种在受控水下条件下创建真实数据集的框架。与合成数据或开放水域数据不同，这些配方使用校准的颜色和散射添加剂，使得可以重复且受控地测试水体组成对图像外观的影响。因此，它为在真实但受控的水下场景中分析机器视觉提供了一个独特框架。受控环境使得为多种视觉任务创建真实标注数据成为可能，包括水体参数估计、图像恢复、分割、视觉 SLAM 和水下图像合成。我们提供了一个使用光学海洋配方生成的演示数据集，并简要展示了我们的系统在两个水下视觉任务中的应用。数据集和评估代码将公开发布。