IceHorizon: A Dataset for Horizon Detection in Ice-Covered Maritime Environments and Comparative Evaluation of Detection Methods

Immaginate di essere il capitano di una nave, o forse il pilota di un drone, che cerca di navigare attraverso un mondo che sembra un gigantesco specchio ghiacciato. In questo regno di ghiaccio, il cielo e l'oceano non sono di due colori diversi; sono entrambi di un bianco abbagliante e scintillante. Trovare l' "orizzonte" — quella linea invisibile dove il cielo incontra il mare — è come cercare di avvistare un fantasma in una tormenta di neve. Se non riuscite a trovare quella linea, la vostra nave potrebbe inclinarsi pericolosamente, la vostra telecamera potrebbe avere il mal di mare e il vostro sistema di navigazione potrebbe smarrirsi. Questo è l'ingegnoso rompicapo del "rilevamento dell'orizzonte" nelle acque ghiacciate. Gli scienziati usano trucchi informatici speciali per risolvere questo problema: alcuni sono come vecchi detective alla ricerca di bordi netti e linee, altri sono come artisti moderni che hanno imparato a "vedere" la differenza tra acqua e cielo studiando migliaia di immagini. Ma fino ad ora, la maggior parte di questi trucchi informatici era stata addestrata su oceani soleggiati e aperti, lasciandoli confusi e goffi di fronte al caos riflettente e disordinato del ghiaccio.

Questo articolo, intitolato "IceHorizon", entra in questa confusione congelata per vedere quale detective informatico sia il migliore nel trovare l'orizzonte nel ghiaccio. I ricercatori hanno costruito una nuovissima libreria di 38 video, filmati sia da navi che da droni, che mostrano esattamente cosa si prova a navigare attraverso acque ghiacciate. Hanno poi messo alla prova sei diversi metodi informatici: quattro che utilizzano la matematica classica basata su regole (i vecchi detective) e due che mescolano il deep learning con quelle regole (gli artisti ibridi). Hanno misurato quanto la stima del computer fosse vicina all'orizzonte reale, quanta parte dell'orizzonte riuscisse a vedere e quanto fosse veloce nel lavorare.

I risultati sono stati una chiara vittoria per i metodi "ibridi". Quando il computer cercava di trovare l'orizzonte nei video della nave, gli approcci ibridi sono stati fino a 3,5 volte più accurati rispetto al migliore dei metodi della vecchia scuola. Anche nei video del drone, che erano molto più difficili, gli ibridi sono stati 1,6 volte migliori. I metodi della vecchia scuola, pur essendo molto veloci, spesso si smarrivano nel bagliore del ghiaccio o nel riflesso delle onde, a volte mancando completamente l'orizzonte o disegnandolo nel posto sbagliato. I metodi ibridi, invece, erano come avere una guida che sa come appare il ghiaccio; riuscivano a ignorare i riflessi confondenti e a trovare la linea vera. Interessante notare che ogni singolo metodo funzionava meglio sui video della nave rispetto a quelli del drone. Le riprese del drone erano troppo disordinate, con nebbia, montagne e orizzonti stranamente curvi che confondevano anche gli algoritmi più intelligenti. L'articolo conclude che, sebbene abbiamo ancora bisogno di più dati per rendere questi sistemi perfetti per i voli di droni ad alta quota, mescolare il deep learning con il classico rilevamento delle linee è attualmente il modo più affidabile per mantenere stabili le nostre navi e i nostri droni nel nord ghiacciato.