Physics-informed simulation framework for realistic sonar image generation and statistical validation

Resumen Técnico: ACOUSIM – Un Marco de Simulación Informado por Física para la Generación de Imágenes Sonar Realistas y Validación Estadística

Enunciado del Problema
El desarrollo de algoritmos de percepción robustos para aplicaciones submarinas (por ejemplo, mapeo del lecho marino, contramedidas de minas y detección de objetos) se ve limitado por la escasez de conjuntos de datos sonar del mundo real diversos y de alta fidelidad. La adquisición de imágenes sonar reales es operativamente costosa, logística compleja y a menudo restringida por protocolos de seguridad. Si bien los experimentos controlados en tanque ofrecen una alternativa rentable, no logran capturar la variabilidad ambiental realista, las texturas del lecho marino y las interacciones complejas entre objetos y sombras.

En consecuencia, los investigadores dependen cada vez más de datos sintéticos generados mediante modelos basados en aprendizaje (GANs, modelos de difusión) o marcos impulsados por simulación. Sin embargo, la validación de estos conjuntos de datos sintéticos sigue siendo una brecha crítica. Los métodos de evaluación actuales dependen predominantemente de la inspección cualitativa o de métricas de rendimiento indirectas aguas abajo (por ejemplo, precisión de clasificación). Las métricas estándar de calidad de imagen, como PSNR, SSIM, FID y KID, están calibradas para imágenes ópticas naturales y no logran capturar las estadísticas específicas de intensidad y textura del sonar. Además, la mezcla de datos reales y sintéticos durante el entrenamiento a menudo oscurece la brecha de dominio intrínseca. Existe una falta de métodos sistemáticos y cuantitativos para evaluar qué tan cerca se alinean los datos sonar sintéticos con las distribuciones de datos reales sin acoplar el análisis al rendimiento basado en aprendizaje.

Metodología: El Marco ACOUSIM
Para abordar estas limitaciones, los autores presentan ACOUSIM (Plataforma de Simulación y Validación Acústica), un marco informado por física diseñado para la generación de imágenes sonar y la validación estadística independiente. El marco opera en tres etapas distintas:

1. Modelado de Escenas Inspirado en Física:
   En lugar de modelar la propagación completa de ondas acústicas, ACOUSIM utiliza un entorno basado en Gazebo para emular las características visuales de primer orden de las imágenes sonar. La simulación controla explícitamente los parámetros relevantes para la adquisición:

   • Altitud de la Plataforma: Variada entre 10 y 20 metros.
   • Iluminación y Sombras: Las fuentes de luz direccionales se ajustan mediante alabeo, cabeceo y guiñada para simular la sombreado de objetos y las regiones de resaltado.
   • Lecho Marino y Objetos: Superficies planas del lecho marino con texturas variadas simulan la retrodispersión heterogénea, mientras que los modelos de objetos 3D introducen regiones de sombra y resaltado.
   • Formación de la Imagen: Aproximada como $I(x, y) = L(x, y) \cdot R(x, y)$, donde $L$ codifica la iluminación/sombras y $R$ denota la reflectancia de la superficie.

2. Modelado de Ruido y Procesamiento de Imágenes:
   Para aproximar la dispersión acústica coherente y las perturbaciones de fondo, las imágenes sintéticas limpias se degradan utilizando:

   • Ruido Gaussiano Aditivo: $N(0, \sigma^2)$.
   • Ruido de Speckle Multiplicativo: $S(x, y)$.
     La imagen ruidosa final se formula como $I_S(x, y) = (I(x, y) + N(0, \sigma^2)) \cdot S(x, y)$.
     Crucialmente, el marco incluye un paso de subconjunto consistente con la física. Dado que las salidas sintéticas crudas a menudo contienen un fondo de lecho marino excesivo en comparación con los conjuntos de datos reales (donde los objetivos se recortan), las muestras sintéticas se recortan espacialmente y se ajustan de zoom para coincidir con la escala del objeto, el encuadre y las características de visualización de las imágenes sonar reales.

3. Validación Estadística Independiente:
   El marco evalúa la alineación entre las distribuciones reales ($P$) y sintéticas ($Q$) utilizando histogramas de intensidad global y textura local (Patrones Binarios Locales - LBP). Se emplean tres métricas complementarias:

   • Divergencia de Kullback–Leibler (KL): Mide la pérdida direccional de información.
   • Divergencia de Jensen–Shannon (JS): Proporciona una medida simétrica y acotada.
   • Distancia del Transportista de Tierra (EMD): Cuantifica el costo mínimo de transporte, particularmente sensible a los desplazamientos de distribución causados por el desplazamiento de sombras.
     La robustez se evalúa mediante un análisis estratificado de cinco pliegues.

Contribuciones Clave

• Plataforma ACOUSIM: Una plataforma de simulación y validación independiente, informada por física, que es independiente de los modelos generativos.
• Esquema de Validación Estadística: Una metodología de evaluación novedosa basada en distribuciones de intensidad global y textura LBP, cuantificada mediante las métricas KL, JS y EMD, específicamente adaptada para datos sonar.
• Evaluación Rigurosa: Evaluación sistemática en dos conjuntos de datos reales públicos (SeabedObjects-KLSG-II y Sonar Common Target Detection - SCTD) utilizando análisis a nivel de conjunto de datos y evaluación de robustez estratificada.

Resultados Experimentales
El marco se probó contra los conjuntos de datos KLSG-II y SCTD, centrándose en dos clases de objetos: "Plano" y "Barco".

• Alineación de Textura: La simulación demostró una fuerte alineación de textura local en todas las clases y conjuntos de datos. Los valores de divergencia KL para las distribuciones LBP se mantuvieron consistentemente por debajo de 0.07, y los valores de EMD fueron inferiores a 0.016. Esto indica que el marco preserva eficazmente los patrones de microtextura y las distribuciones de gradiente espacial.
• Alineación de Intensidad:
  • Clase Plano: Mostró una alineación de intensidad global moderada a fuerte (valores KL de 0.1804 para KLSG-II y 0.2500 para SCTD). La visualización a nivel de distribución reveló una superposición sustancial en el rango de intensidad media.
  • Clase Barco: Exhibió una divergencia sustancialmente mayor, particularmente en el conjunto de datos SCTD (KL = 0.9173), correspondiente a una baja alineación. Esto se atribuye a la geometría alargada del casco y las regiones de sombra complejas de los objetivos de barcos, que introducen variaciones de intensidad no reproducidas completamente por la simulación actual.
• Robustez: El análisis estratificado de cinco pliegues confirmó una alineación de intensidad global estable para la clase plano, pero destacó una mayor varianza para la clase barco, reflejando la sensibilidad a las variaciones en la geometría de la vista y las sombras.

Significado y Afirmaciones
Los autores afirman que ACOUSIM establece una línea base reproducible a nivel de distribución para la evaluación de sonar de simulación a realidad. Al desacoplar la evaluación de datos sintéticos de los modelos de aprendizaje automático, el marco proporciona un punto de referencia transparente e interpretable para comparar imágenes sonar reales versus sintéticas.

El artículo posiciona este trabajo como uno de los primeros esfuerzos sistemáticos para evaluar el realismo sonar sintético mediante la alineación directa de distribuciones estadísticas sin depender de métricas de rendimiento basadas en aprendizaje. El marco apoya el desarrollo de conjuntos de datos confiables para el análisis de imágenes submarinas y sienta las bases para futuros gemelos digitales fundamentados en física para sistemas de detección submarina. Los autores mantienen un alcance modesto, señalando que, si bien el marco maneja bien los objetivos de clase plano, la complejidad de la clase barco sigue siendo un desafío debido a la geometría de las sombras, y el trabajo futuro se centrará en extender la diversidad de objetos y lechos marinos.