Single View Seafloor Recovery from Imaging Sonar via Differentiable Rendering

技術概要：微分可能レンダリングによる単一ビュー音響画像からの海底復元

問題定義
前方視イメージングソナー（FLS）は、光学カメラが機能しない濁った水中を透過できる能力により、水中ロボティクスおよび生態学的モニタリングにとって重要なモダリティである。しかし、FLS 画像は、垂直ビームファンにわたる後方散乱を積分することで垂直構造を平坦な 2 次元画像に縮退させるため、深刻な幾何学的曖昧性に悩まされる。その結果、単一のソナービューから 3 次元の海底地形（水深）を復元することは、多くの異なる海底幾何学が同一のセンサー読み値を生み出す可能性があるため、不適切な問題（ill-posed problem）である。既存の解決策は通常、マルチビューパイプライン、高価なセンサーフュージョン、または広範なトレーニングデータを必要とし、新しい環境やセンサー構成（分布シフト）への汎化が困難な教師あり深層学習モデルに依存している。

手法
著者らは、単一のソナー画像から海底の高さ場を 30 秒未満で復元する、トレーニング不要の逆レンダリング手法を提案する。この手法は、ソナーの前方プロセスの微分可能な物理シミュレーションに基づいている。

1. 前方モデルと海底表現:

   • 海底は、直交座標またはソナーの方位ビームに対して放射状に整列した、明示的な離散化された高さ場として表現される。
   • 前方モデルは、各方位ビームに対して密集したレイのファンを投射することでソナープロセスをシミュレートする。レイと表面の交点を計算し、距離依存の伝搬損失、幾何学的広がり、および入射角の影響によって変調される拡散反射と鏡面反射の組み合わせとして、レイごとの後方散乱をモデル化する。
   • レンダラーは、これらのレイの戻りを距離 - 方位ビンに集約し、球面広がりに対する $1/r^4$ 補正を適用し、強度を対数振幅（dB）に変換する。

2. 微分可能逆最適化:

   • システムは、海底幾何学を最適化される潜在変数として扱う。勾配降下法を用いて、シミュレートされたソナー画像と目標センサー読み値との間の再構成誤差を最小化する。
   • 微分可能なレイ交差: 離散的な交差ロジックを通じた逆伝播を可能にするため、著者らは、レイの角度仰角と潜在海底の角度高さとの差に基づいたシグモイド関数を用いた「ソフト交差」を実装する。
   • ビームパターンモデル: 角度依存の変動（例えば、ちらつきや画面外の遮蔽）は、各ビームに対して個別のスケールパラメータを学習することで処理され、これらは幾何学フィッティングとの干渉を防ぐために初期ウォームアップ段階で固定される。

3. 正則化と事前分布:

   • 全変動（TV）: ガウスビンリングに起因する滑らかな領域を模倣する高周波振動を抑制するため、高さ場に対して 1 次 TV 事前分布が課される。
   • 汎視点仮定: 単一ビューではベース面の傾きが本質的に曖昧であるため、この手法は既知の傾きに条件付けられた幾何学を最適化する。特定の傾きのみを適合させる脆弱な解を避けるため、最適化は各ステップで実現可能な傾きの分布からベース面の向きを再サンプリングする。これにより、安定した影を陥没として解釈するなど、特別な整列解釈ではなく、頑健な幾何学が促進される。

主要な貢献

• 単一ビューソナーにおける初の微分可能レンダリング: 著者らの知る限り、単一のソナー画像からの高さ復元のために微分可能レンダリングを適用したのはこれが初である。
• トレーニング不要の適応性: この手法は事前トレーニングデータを必要としない。物理プロセスとセンサー設定を明示的にパラメータ化することで、再トレーニングなしに異なるセンサー構成や環境統計に適応する。
• 効率性: この手法は明示的な高さ場を最適化するため、100ms 未満でシーンのレンダリングが可能であり、完全な収束は 5〜15 秒で達成され、隠れたニューラル場手法よりも著しく高速である。

結果
この手法は、合成データセット（HoloOcean を使用した分布内および分布外）および実世界の河川画像で評価された。

• 分布内性能: トレーニング条件とテスト条件が一致する合成データでは、学習されたドメイン固有の事前分布を活用する教師あり CNN ベースラインが提案手法を上回る。
• 分布外（OOD）性能: 分布シフト下（例えば、異なる地形統計またはセンサー設定）では、提案手法が教師あり CNN を上回る。標準的な HoloOcean ベンチマークにおいて、この手法は CNN よりも低いチャーマー距離と RMSE を達成した。粗い地形では、性能は同等であった。
• データ不足: CNN のトレーニングセットサイズが減少するにつれてその性能は著しく低下するが、提案手法は一定の性能を維持し、限られたラベル付きデータを持つシナリオにおける有用性を示している。
• 実世界応用: この手法は、グラウンドトゥルースなしで、実河床ソナーデータ（ヌシャガク川、イール川、ケナイ川）から詳細な画像構造と妥当な 3 次元幾何学を成功裡に復元した。

意義と限界
本論文は、ソナープロセスの物理的に根ざした事前分布をモデル化することで、ドメイン間で転移可能な迅速かつトレーニング不要な幾何学復元が可能であると主張している。これは、疎な観測から新しい環境への迅速な適応を必要とするシステムにとって、単一ビューソナー解釈の実用的な道筋として逆レンダリングを支持するものである。

著者らは謙虚に限界を認めている:

• 本質的な曖昧性: この手法はデータを説明するために必要な最小の高さを予測する傾向があり、深度統計を学習する CNN と比較して、遮蔽領域において深度を過小評価する可能性がある。
• ノイズ感受性: 最適化器が再構成損失を最小化するため、目標画像のノイズは高周波の幾何学的アーティファクトとして解釈される可能性があるが、TV 正則化によってこれが緩和される。
• 傾き依存性: この手法は海底の傾きが既知であるか制約されていることを必要とする。この事前分布なしには絶対的なグローバルな向きを解くことはできない。