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

Imagine que você é o capitão de um navio, ou talvez o piloto de um drone, tentando navegar através de um mundo que se parece com um espelho gigante e congelado. Neste reino gelado, o céu e o oceano não são de duas cores diferentes; ambos são de um branco ofuscante e cintilante. Encontrar o "horizonte" — aquela linha invisível onde o céu encontra o mar — é como tentar avistar um fantasma em uma tempestade de neve. Se você não conseguir encontrar essa linha, seu navio pode inclinar-se perigosamente, sua câmera pode ficar tonta e seu sistema de navegação pode se perder. Este é o truque complicado da "detecção de horizonte" em águas geladas. Cientistas usam truques de computador especiais para resolver isso: alguns são como detetives da velha guarda procurando por bordas e linhas nítidas, enquanto outros são como artistas modernos que aprenderam a "ver" a diferença entre água e céu estudando milhares de imagens. Mas, até agora, a maioria desses truques de computador foi treinada em oceanos ensolarados e abertos, deixando-os confusos e desajeitados quando confrontados com o caos reflexivo e bagunçado do gelo.

Este artigo, intitulado "IceHorizon", entra nessa confusão congelada para ver qual detetive de computador é o melhor em encontrar o horizonte no gelo. Os pesquisadores construíram uma biblioteca inédita de 38 vídeos, filmados tanto de navios quanto de drones, mostrando exatamente como é navegar por águas geladas. Eles então colocaram seis métodos de computador diferentes à prova: quatro que usam matemática clássica baseada em regras (os detetives da velha guarda) e dois que misturam aprendizado profundo com essas regras (os artistas híbridos). Eles mediram o quão perto o palpite do computador estava do horizonte real, quanto do horizonte ele conseguia ver e o quão rápido ele trabalhava.

Os resultados foram uma vitória clara para os métodos "híbridos". Quando o computador tentou encontrar o horizonte nos vídeos do navio, as abordagens híbridas foram até 3,5 vezes mais precisas do que o melhor dos métodos da velha guarda. Mesmo nos vídeos do drone, que eram muito mais difíceis, os híbridos foram 1,6 vezes melhores. Os métodos da velha guarda, embora muito rápidos, frequentemente se perdiam no brilho do gelo ou no reflexo das ondas, às vezes perdendo o horizonte completamente ou desenhando-o no lugar errado. Os métodos híbridos, no entanto, eram como ter um guia que sabe como o gelo se parece; eles conseguiam ignorar os reflexos confusos e encontrar a linha verdadeira. Curiosamente, todos os métodos funcionaram melhor nos vídeos do navio do que nos vídeos do drone. As filmagens do drone eram bagunçadas demais, com névoa, montanhas e horizontes estranhamente curvados que confundiam até os algoritmos mais inteligentes. O artigo conclui que, embora ainda precisemos de mais dados para tornar esses sistemas perfeitos para voos de drones em alta altitude, misturar o aprendizado profundo com a busca de linhas clássica é atualmente a maneira mais confiável de manter nossos navios e drones estáveis no norte gelado.