Generative Adversarial Networks를 활용한 수중 이미지 향상

자율 수중 차량(AUVs)은 지능형 의사결정을 위해 음향, 관성, 시각 센서 등 다양한 센서에 의존합니다. 비침입적이고 능동적이지 않은 특성과 높은 정보량으로 인해, 특히 얕은 수심에서 시각 센싱 모달리티는 매력적인 선택입니다. 그러나 빛의 굴절과 흡수, 수중 현탁물질, 색상 왜곡 등의 요인이 시각 데이터의 품질을 저하시켜 노이즈와 왜곡이 있는 이미지를 생성합니다. 따라서 시각 센싱에 의존하는 AUVs는 어려운 도전에 직면하며, 이로 인해 시각 기반 작업에서 성능이 저하됩니다. 본 논문에서는 시각 수중 환경의 품질을 개선하여 자율성 파이프라인의 후단에서 시각 기반 행동의 입력을 더욱 개선하기 위한 방법을 제안합니다. 또한 최근 제안된 방법들이 이러한 수중 이미지 복원을 위한 데이터셋을 생성할 수 있음을 보여줍니다. 어떤 시각 유도 수중 로봇에게도 이 개선은 견고한 시각 인식을 통해 안전성과 신뢰성을 높일 수 있습니다. 이를 위해 본 연구에서는 제안된 접근법을 통해 수정된 이미지가 더 눈에 잘 띄는 이미지를 생성하고, 잠수사 추적 알고리즘의 정확도를 높이는 것임을 증명하는 정량적 및 정성적 데이터를 제시합니다.