要約
自律型水中航行機（AUV）は、音響センサ、慣性センサ、視覚センサなどさまざまなセンサに依存して知能的な意思決定を行います。視覚は非侵襲的かつ受動的な特性を持ち、高い情報量を提供するため、特に浅い海域での感測モダリティとして魅力的です。しかし、光の屈折や吸収、水中の浮遊粒子、色の歪みなどの要因が視覚データの品質に影響を与え、ノイズや歪んだ画像が生成されることがあります。視覚感測に依存するAUVはこれらの課題に直面し、その結果、視覚駆動タスクにおいて性能が低下します。本論文では、ジェネレーティブ・アドバーサリアル・ネットワーク（GANs）を使用して水中視覚シーンの品質を向上させる方法を提案し、自律制御パイプラインにおける後段の視覚駆動行動への入力を改善することを目指しています。さらに、最近提案された手法がこのような水中画像復元のためにデータセットを生成できる方法について説明します。視覚ガイドによる水中ロボットにとって、この改善により堅牢な視覚認識を通じて安全性と信頼性が向上します。その効果を示すために、本研究では定量的および定性的データを提示し、提案手法によって補正された画像がより美しく見えるだけでなく、ダイバー追跡アルゴリズムの精度も向上することを実証しています。