Resumen Técnico: Más allá de la estética: Cuantificando la pérdida de información en escenas turbias

Planteamiento del problema

Los sistemas de visión computacional submarina enfrentan una degradación significativa del rendimiento en entornos turbios debido a la atenuación y dispersión de la luz. Si bien estas degradaciones perceptuales (distorsión de color, pérdida de contraste, desenfoque) están bien documentadas, el impacto específico en los modelos de aprendizaje automático (machine learning) sigue sin estar claro. Existe una brecha crítica en el campo: no hay conjuntos de datos del mundo real exhaustivamente anotados que cubran todo el espectum de la turbidez, lo que obliga a los investigadores a depender de datos sintéticos. Sin embargo, los conjuntos de datos sintéticos existentes suelen centrarse en la mejora perceptual (por ejemplo, la corrección de color) en lugar de la pérdida de información estructural que realmente obstaculiza el rendimiento de los modelos. Además, las métricas estándar de calidad de imagen (por ejemplo, PSNR, SSIM, NIQE) a menudo no logran correlacionarse con el rendimiento del modelo en estas condiciones, ya que priorizan la percepción humana sobre la información estructural requerida para las tareas de aprendizaje automático.

Metodología

1. El conjunto de datos Turbid Underwater Baseline (TUB)

Para abordar la falta de datos del mundo real, los autores introdujeron el conjunto de datos TUB.

• Protocolo de recolección: Los datos se capturaron en un tanque cilíndrico controlado utilizando cuatro cámaras GoPro estáticas. Los objetos (naturales y artificiales) se fijaron a una placa base para asegurar la consistencia de la escena a través de los distintos niveles de turbidez.
• Control de turbidez: La turbidez se indujo utilizando cantidades medidas de leche de avena, creando 10 niveles distintos por escena. Se utilizó un nefelómetro para cuantificar la turbidez en Unidades de Turbidez Nefelométrica (NTU), categorizando las imágenes en los grupos de Baja (0–10 NTU), Media (10–20 NTU) y Alta (20+ NTU) turbidez.
• Anotaciones: El conjunto de datos consta de 1,320 imágenes a través de 33 escenas únicas. Crucialmente, las máscaras de segmentación de instancias fueron anotadas manualmente en las imágenes de agua clara y se propagaron a todas las imágenes turbias correspondientes. Este enfoque genera más de 16,000 máscaras de verdad de campo (ground-truth) de alta confianza, incluso para escenas donde los anotadores humanos no pudieron distinguir visualmente los límites de los objetos.

2. Métrica propuesta: Phase-Congruency Delentropy (PCD)

Los autores proponen PCD, una métrica diseñada para cuantificar la pérdida de información estructural en lugar de la calidad perceptual.

• Base teórica: La métrica se basa en la hipótesis de que los modelos de aprendizaje profundo dependen de la información estructural (gradientes y bordes) que puede persistir incluso cuando se pierde el contraste.
• Mecanismo: PCD calcula la delentropía (una medida de la complejidad de la información basada en la distribución de gradientes), pero reemplaza los gradientes estándar derivados de kernels por mapas de congruencia de fase (phase congruency maps).
• Ventajas: La congruencia de fase es invariante a los cambios de iluminación y contraste. Al calcular la delentropía sobre estos mapas, PCD captura la pérdida de información estructural (por ejemplo, bordes desenfocados) mientras permanece robusta a la reducción de contraste y a los cambios de color típicos del agua turbia.

3. Evaluación experimental

El estudio evaluó la correlación entre varias métricas y el rendimiento de tres modelos de segmentación de instancias de última generación: MaskRCNN, YOLOv11 y Mask2Former.

• Datos reales: Los modelos fueron entrenados y probados en divisiones del conjunto de datos TUB (turbidez Baja, Media, Alta).
• Datos sintéticos: Los autores generaron imágenes turbias sintéticas utilizando dos métodos (un modelo de formación de imagen submarina estándar [Synth1] y un modelo que incorpora desenfoque e inhomogeneidad [Synth2]).
• Comparación: La correlación de PCD contra el rendimiento del modelo (AP50) se comparó con métricas comunes: PSNR, SSIM, NIQE, Entropía, Delentropía, UCIQE y UIQM.

Resultados clave

1. Utilidad del conjunto de datos: El conjunto de datos TUB proporciona con éxito las primeras anotaciones de verdad de campo de alta confianza para la turbidez extrema, permitiendo el análisis basado en datos de los efectos de la degradación.
2. Correlación de la métrica:
   • PCD demostró una fuerte correlación con el rendimiento de los modelos de segmentación de instancias tanto en imágenes reales como sintéticas turbias.
   • Métricas existentes: Las métricas perceptuales comunes (PSCS, SSIM, NIQE, UCIQE) mostraron una correlación débil o nula con el rendimiento del modelo. Notablemente, estas métricas calificaron a las imágenes sintéticas con una calidad menor que las imágenes turbias reales, a pesar de que los modelos funcionaban bien en los datos sintéticos.
3. Estructural vs. Perceptual: Los resultados indican que una reducción en la calidad perceptual (por ejemplo, bajo contraste) no equivale necesariamente a una pérdida de utilidad de la tarea. Por el contrario, la pérdida de información estructural (degradación de gradientes) es el factor principal que impulsa las caídas de rendimiento en los modelos de detección.
4. Limitaciones de los datos sintéticos: Los procesos sintéticos estándar no lograron reproducir las degradaciones estructurales específicas de la turbidez real, lo que conduce a evaluaciones erróneas al utilizar métricas tradicionales.

Significado y Reivindicaciones

El artículo sostiene que la dependencia actual de las métricas perceptuales y los datos sintéticos es insuficiente para avanzar en la visión computacional submarina. Los autores argumentan que:

• PCD ofrece un enfoque superior, centrado en el modelo, para evaluar escenas turbias al enfocarse en la información estructural que los modelos de aprendizaje realmente utilizan.
• El conjunto de datos TUB llena un vacío crítico al proporcionar un referente para la turbidez extrema con una verdad de campo fiable, permitiendo la primera evaluación directa de cómo la turbidez afecta a los modelos de aprendizaje.
• Los hallazgos sugieren que mejorar la "calidad perceptual" (hacer que las imágenes parezcan más claras para los humanos) no garantiza un mejor rendimiento del modelo; en su lugar, preservar o recuperar los gradientes estructurales es primordial.

El trabajo concluye que PCD y TUB proporcionan herramientas esenciales para cuantificar la pérdida de información y evaluar el realismo de la generación de turbidez sintética, moviendo el campo más allá de las mejoras estéticas hacia la robustez funcional en entornos submarinos.