SeaDSC：一种基于视频的无监督水面无人艇动态场景变化检测方法

近来，海上视觉研究热潮涌动，其中大量工作受到计算机视觉在水面无人艇（USV）中应用的推动。相机、雷达和激光雷达等多种传感器模态已被用于执行目标检测、分割、目标跟踪与运动规划等任务。由于当前多数船队配备机载相机以执行各类监视任务，该类研究的很大一部分集中于视频分析。鉴于视频数据极为丰富，视频场景变化检测是 USV 场景理解的初始且关键阶段。本文概述了我们检测 USV 中动态场景变化的方法。据我们所知，本工作是海上视觉应用中场景变化检测的首次探究。我们的目标是识别海上视频数据动态场景中显著的变化，尤其是那些具有高度相似性的场景。在我们的动态场景变化检测系统中，我们提出完全无监督的学习方法。与以往研究不同，我们利用改进的尖端生成图像模型 VQ-VAE-2 在多个海洋数据集上训练，以增强特征提取。接着，我们引入创新的相似性评分技术，通过对检索特征进行网格计算，直接量化连续帧序列的相似程度。实验使用名为 RoboWhaler 的航海视频数据集进行，以展示我们方法的高效性能。