基于可微分渲染的单目声底恢复
计算机视觉与模式识别
2026-05-26 v1 机器学习
摘要
声呐因光衰减和浑浊度而不适合用于高分辨率成像。前视声呐在范围和水平角度上提供测量，但将垂直结构压缩为平面图像，造成歧义，使 3D 恢复具有挑战性。声呐的常见用途是水下地形制图(浅滩测深)，但当前方法需要多个视角、昂贵的多传感器设置或大量训练数据，这限制了其应用和适应新环境的能力。我们提出一种无训练的方法，基于可微分渲染在30秒内从单幅声呐图像恢复浅滩测深，条件是已知声底倾斜角。我们的方法实现了声呐光线追踪的可微分化，优化显式的高度场以重现目标图像。在合成数据集上，我们的方法在分布迁移情形下优于监督 CNN，而在原分布情形下则与 CNN 接近。通过建模声呐过程的物理先验，我们的方法无需训练数据即可跨传感器配置和环境适应。
引用
@article{arxiv.2605.24195,
title = {Single View Seafloor Recovery from Imaging Sonar via Differentiable Rendering},
author = {Sevan Brodjian and Michael Hobley and Pietro Perona},
journal= {arXiv preprint arXiv:2605.24195},
year = {2026}
}