Sintesi Tecnica: Oltre l'Estetica: Quantificare la Perdita di Informazione in Scenari Torbidi

Problematica

I sistemi di visione artificiale subacquea affrontano un significativo degrado delle prestazioni in ambienti torbidi a causa dell'attenuazione e dello scattering della luce. Sebbene questi degradi percettivi (distorsione del colore, perdita di contrasto, sfocatura) siano ben documentati, l'impatto specifico sui modelli di apprendimento automatico (machine learning) rimane poco chiaro. Esiste una lacuna critica nel campo: non esistono dataset del mondo reale adeguatamente annotati che coprano l'intero spettro della torbidità, costringendo i ricercatori a fare affidamento su dati sintetici. Tuttavia, i dataset sintetici esistenti si concentrano spesso sul miglioramento percettivo (ad esempio, la correzione del colore) piuttosto che sulla perdita di informazione strutturale che effettivamente ostacola le prestazioni dei modelli. Inoltre, le metriche standard della qualità dell'immagine (ad esempio, PSNR, SSIM, NIQE) spesso non correlano con le prestazioni dei modelli in queste condizioni, poiché danno priorità alla percezione umana rispetto all'informazione strutturale necessaria per i compiti di machine learning.

Metodologia

1. Il Dataset Turbid Underwater Baseline (TUB)

Per affrontare la mancanza di dati reali, gli autori hanno introdotto il dataset TUB.

• Protocollo di Raccolta: I dati sono stati acquisiti in un serbatoio cilindrico controllato utilizzando quattro telecamere GoPro statiche. Oggetti (naturali e artificiali) sono stati fissati a una piastra di base per garantire la coerenza della scena attraverso i diversi livelli di torbidità.
• Controllo della Torbidità: La torbidità è stata indotta utilizzando quantità misurate di latte d'avena, creando 10 livelli distinti per ogni scena. Un nefelometro è stato utilizzato per quantificare la torbidità in Unità di Torbidità Nefelometrica (NTU), categorizzando le immagini in gruppi Low (0–10 NTU), Medium (10–20 NTU) e High (20+ NTU).
• Annotazioni: Il dataset comprende 1.320 immagini attraverso 33 scene uniche. Fondamentalmente, le maschere di segmentazione delle istanze sono state annotate manualmente sulle immagini in acqua limpida e propagate a tutte le corrispondenti immagini torbide. Questo approccio produce oltre 16.000 maschere di ground-truth ad alta confidenza, anche per le scene in cui gli annotatori umani non potevano distinguere visivamente i confini degli oggetti.

2. Metrica Proposta: Phase-Congruency Delentropy (PCD)

Gli autori propongono la PCD, una metrica progettata per quantificare la perdita di informazione strutturale piuttosto che la qualità percettiva.

• Base Teorica: La metrica si basa sull'ipotesi che i modelli di deep learning facciano affidamento sull'informazione strutturale (gradienti e confini) che può persistere anche quando il contrasto viene perso.
• Meccanismo: La PCD calcola la delentropy (una misura della complessità dell'informazione basata sulla distribuzione dei gradienti), ma sostituisce i gradienti derivati da kernel standard con mappe di congruenza di fase (phase congruency maps).
• Vantaggi: La congruenza di fase è invariante rispetto ai cambiamenti di illuminazione e contrasto. Calcolando la delentropy su queste mappe, la PCD cattura la perdita di informazione strutturale (ad esempio, la sfocatura dei bordi) pur rimanendo robusta alla riduzione del contrasto e agli spostamenti di colore tipici dell'acqua torbida.

3. Valutazione Sperimentale

Lo studio ha valutato la correlazione tra varie metriche e le prestazioni di tre modelli di segmentazione delle istanze allo stato dell'arte: MaskRCNN, YOLOv11 e Mask2Former.

• Dati Reali: I modelli sono stati addestrati e testati su split del dataset TUB (bassa, media, alta torbidità).
• Dati Sintetici: Gli autori hanno generato immagini torbide sintetiche utilizzando due metodi (un modello di formazione dell'immagine subacquea standard [Synth1] e un modello che incorpora sfocatura e disomogeneità [Synth2]).
• Confronto: La correlazione della PCD rispetto alle prestazioni del modello (AP50) è stata confrontata con le metriche comuni: PSNR, SSIM, NIQE, Entropy, Delentropy, UCIQE e UIQM.

Risultati Chiave

1. Utilità del Dataset: Il dataset TUB fornisce con successo la prima ground-truth ad alta confidenza per la torbidità estrema, consentendo un'analisi guidata dai dati degli effetti di degrado.
2. Correlazione delle Metriche:
   • La PCD ha dimostrato una forte correlazione con le prestazioni dei modelli di segmentazione delle istanze sia su immagini torbide reali che sintetiche.
   • Metriche Esistenti: Le metriche percettive comuni (PS%、SSIM, NIQE, UCIQE) hanno mostrato una correlazione debole o nulla con le prestazioni del modello. In particolare, queste metriche hanno spesso valutato le immagini sintetiche come dotate di qualità inferiore rispetto alle immagini torbide reali, nonostante i modelli performass bene sui dati sintetici.
3. Strutturale vs. Percettivo: I risultati indicano che una riduzione della qualità percettiva (ad esempio, basso contrasto) non equivale necessariamente a una perdita di utilità del compito. Al contrario, la perdita di informazione strutturale (degrado dei gradienti) è il fattore primario che guida il calo delle prestazioni nei modelli di rilevamento.
4. Limitazioni dei Dati Sintetici: Le pipeline sintetiche standard non sono riuscite a riprodurre i degradamenti strutturali specifici della torbidità reale, portando a valutazioni fuorvianti quando si utilizzano le metriche tradizionali.

Significato e Rivendicazioni

Il paper sostiene che l'attuale affidamento su metriche percettive e dati sintetici sia insufficiente per far avanzare la visione artificiale subacquea. Gli autori argomentano che:

• La PCD offre un approccio superiore e centrato sul modello per valutare le scene torbide, concentrandosi sull'informazione strutturale che i modelli di apprendimento effettivamente utilizzano.
• Il dataset TUB colma una lacuna critica fornendo un benchmark per la torbidità estrema con una ground-truth affidabile, permettendo la prima valutazione diretta di come la torbidità influenzi i modelli basati sull'apprendimento.
• I risultati suggeriscono che migliorare la "qualità percettiva" (rendere le immagini più chiare per gli esseri umani) non garantisce necessariamente migliori prestazioni del modello; al contrario, preservare o recuperare i gradienti strutturali è fondamentale.

Il lavoro conclude che la PCD e il dataset TUB forniscono strumenti essenziali per quantificare la perdita di informazione e valutare il realismo della generazione di torbidità sintetica, spostando il campo oltre i miglioramenti estetici verso la robustezza funzionale negli ambienti subacquei.