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

技術概要：ACOUSIM – 現実的なソナー画像生成と統計的検証のための物理情報に基づくシミュレーションフレームワーク

問題定義
海底地形図作成、機雷掃討、物体検出などの水中応用における堅牢な知覚アルゴリズムの開発は、多様で高忠実度な実世界ソナーデータセットの不足によって制約されている。実ソナー画像の取得は運用コストが高く、物流的に複雑であり、セキュリティプロトコルによってしばしば制限される。制御されたタンク実験は費用対効果の高い代替手段を提供するが、現実的な環境変動、海底の質感、複雑な物体と影の相互作用を捉えることができない。

その結果、研究者たちはますます、GAN（敵対的生成ネットワーク）や拡散モデルなどの学習ベースのモデル、あるいはシミュレーション駆動型フレームワークによって生成された合成データに依存している。しかし、これらの合成データセットの検証は依然として重要なギャップとなっている。現在の評価手法は、主に定性的な検査や、分類精度などの間接的な下流タスクのパフォーマンス指標に依存している。PSNR、SSIM、FID、KID などの標準的な画像品質指標は、自然光画像用に較正されており、ソナー特有の強度や質感の統計を捉えることができない。さらに、学習中に実データと合成データを混合すると、本質的なドメインギャップが不明瞭になる傾向がある。学習ベースのパフォーマンスに分析を結びつけることなく、合成ソナーデータが実データの分布とどの程度整合しているかを体系的かつ定量的に評価する方法が存在しない。

手法：ACOUSIM フレームワーク
これらの限界に対処するため、著者らは、ソナー画像生成とスタンドアロンの統計的検証のために設計された物理情報に基づくフレームワークであるACOUSIM（ACOustic SIMulation and Validation Platform：音響シミュレーションおよび検証プラットフォーム）を提示する。このフレームワークは、3 つの明確な段階で動作する。

1. 物理に着想を得たシーンモデリング
   完全な音波伝播をモデル化する代わりに、ACOUSIM はソナー画像の第一次的な視覚的特徴を模倣するために Gazebo ベースの環境を利用する。シミュレーションは、取得に関連するパラメータを明示的に制御する。

   • プラットフォームの高度：10〜20 メートルの間で変化させる。
   • 照明と影：ロール、ピッチ、ヨーを調整して方向性光源を調整し、物体の影とハイライト領域をシミュレートする。
   • 海底と物体：多様な質感を持つ平面の海底表面は不均一な後方散乱をシミュレートし、3D 物体モデルは影とハイライト領域を導入する。
   • 画像形成：$I(x, y) = L(x, y) \cdot R(x, y)$ として近似される。ここで、$L$ は照明/影を符号化し、$R$ は表面の反射率を表す。

2. ノイズモデリングと画像処理
   一貫性のある音響散乱と背景の擾乱を近似するため、クリーンな合成画像は以下の手法で劣化させる。

   • 加法性ガウスノイズ：$N(0, \sigma^2)$。
   • 乗法性スペクルノイズ：$S(x, y)$。
     最終的なノイズ画像は、$I_S(x, y) = (I(x, y) + N(0, \sigma^2)) \cdot S(x, y)$ として定式化される。
     重要なのは、フレームワークに物理整合的なサブセット化ステップが含まれている点である。生合成出力には、ターゲットが切り取られる実データセットと比較して、過剰な海底背景が含まれることが多いため、合成サンプルは、実ソナー画像の物体スケール、構図、視界特性に一致するように、空間的に切り取り、ズーム調整が行われる。

3. スタンドアロン統計的検証
   フレームワークは、グローバル強度と局所的な質感（Local Binary Patterns - LBP）ヒストグラムを用いて、実データ分布（$P$）と合成データ分布（$Q$）の整合性を評価する。3 つの相補的な指標が用いられる。

   • カルバック・ライブラー（KL）ダイバージェンス：方向性のある情報損失を測定する。
   • ジェンセン・シャノン（JS）ダイバージェンス：対称的で有界な指標を提供する。
   • ワッサーシュタイン距離（EMD：Earth Mover's Distance）：最小輸送コストを定量化し、特に影の移動によって引き起こされる分布のシフトに対して敏感である。
     頑健性は、層化された 5 分割分析を通じて評価される。

主な貢献

• ACOUSIM プラットフォーム：生成モデルに依存しない、物理情報に基づくスタンドアロンのシミュレーションおよび検証プラットフォーム。
• 統計的検証スキーム：グローバル強度と LBP 質感分布に基づき、KL、JS、EMD 指標によって定量化された、ソナーデータに特化した新規評価手法。
• 厳密な評価：データセットレベルの分析と層化された頑健性評価を用いた、2 つの公開実世界データセット（SeabedObjects-KLSG-II および Sonar Common Target Detection - SCTD）における体系的な評価。

実験結果
このフレームワークは、2 つの物体クラス「平面（Plane）」と「船舶（Ship）」に焦点を当てて、KLSG-II および SCTD データセットに対してテストされた。

• 質感の整合性：シミュレーションは、すべてのクラスおよびデータセットにおいて強力な局所的な質感の整合性を示した。LBP 分布の KL ダイバージェンス値は 0.07 未満で一貫しており、EMD 値は 0.016 未満であった。これは、フレームワークが微細な質感パターンと空間勾配分布を効果的に保持していることを示している。
• 強度の整合性：
  • 平面クラス：中程度から強いグローバル強度の整合性を示した（KLSG-II に対して KL 値 0.1804、SCTD に対して 0.2500）。分布レベルの可視化は、中強度範囲において大幅な重なりを示した。
  • 船舶クラス：特に SCTD データセットにおいて（KL = 0.9173）、著しく高いダイバージェンスを示し、低い整合性に対応した。これは、船舶ターゲットの細長い船体形状と複雑な影領域に起因し、これらが現在のシミュレーションでは完全に再現されていない強度変動をもたらすためである。
• 頑健性：層化された 5 分割分析は、平面クラスについては安定したグローバル強度の整合性を確認したが、船舶クラスではより高いばらつきを浮き彫りにし、視点や影の幾何学的変動に対する感受性を反映した。

意義と主張
著者らは、ACOUSIM がソナーのシミュレーションから実世界への評価のための再現性のある分布レベルの基準を確立すると主張している。合成データの評価を機械学習モデルから切り離すことで、このフレームワークは、実ソナー画像と合成ソナー画像を比較するための透明性が高く解釈可能なベンチマークを提供する。

本論文は、学習ベースのパフォーマンス指標に依存せず、直接の統計的分布整合を通じて合成ソナーの現実性を評価する、最初の体系的な取り組みの一つとしてこの仕事を位置づけている。このフレームワークは、水中画像解析のための信頼性の高いデータセットの開発を支援し、将来の水中センシングシステムのための物理に基づくデジタルツインの基盤を築く。著者らは、このフレームワークが平面クラスのターゲットをうまく処理する一方で、影の幾何学に起因する船舶クラスの複雑さは依然として課題であり、今後の研究は物体と海底の多様性の拡張に焦点を当てるとして、範囲を控えめに維持している。