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

想象一下，你是一位船长，或者是一位驾驶无人机的飞行员，正试图在一个看起来像巨大冰冻镜面的世界中航行。在这个冰封的领域中，天空和海洋并非两种不同的颜色；它们都是一片耀眼、闪烁的白色。寻找“地平线”——那条天空与海洋交汇的无形线条——就像是在暴风雪中寻找幽灵一样困难。如果你找不到那条线，你的船可能会危险地倾斜，你的相机可能会感到眩晕，你的导航系统也可能会迷失方向。这就是冰冷水域中“地平线检测”这一棘手的谜题。科学家们使用特殊的计算机技巧来解决这个问题：有些技巧像是寻找锐利边缘和线条的老派侦探，而另一些则像是现代艺术家，通过研究成千上万张图片来学会如何“分辨”水与天的差异。但直到现在，这些计算机技巧大多是在晴朗、开阔的海洋上进行训练的，这使得它们在面对冰层造成的混乱、反射性的混沌时，显得既困惑又笨拙。

这篇名为《IceHorizon》的论文步入了这片冰封的混乱之中，旨在观察哪位“计算机侦探”最擅长在冰层中寻找地平线。研究人员构建了一个全新的库，其中包含38段从船只和无人机拍摄的视频，展示了在冰水之中航行的真实景象。随后，他们对六种不同的计算机方法进行了测试：四种使用经典基于规则的数学方法（即老派侦探），以及两种将深度学习与这些规则相结合的方法（即混合艺术家）。他们测量了计算机的猜测与真实地平线之间的接近程度、它能识别的地平线范围，以及它的运行速度。

结果显示，“混合型”方法取得了明显的胜利。当计算机在船只视频中寻找地平线时，混合方法的准确度比最好的老派方法高出多达3.5倍。即使是在难度更大的无人机视频中，混合方法的表现也优于后者1.6倍。老派方法虽然速度极快，但经常在冰层的眩光或波浪的反射中迷失方向，有时甚至完全找不到地平线，或者将地平线画错位置。然而，混合方法却像是拥有一个了解冰层样貌的向导；它们能够忽略那些令人困惑的反射，并找到真实的线条。有趣的是，每一种方法在船只视频上的表现都比在无人机视频上更好。无人机的镜头实在是太混乱了，其中的雾气、山脉和奇特弯曲的地平线甚至让最聪明的算法也感到困惑。论文得出结论：虽然我们仍需要更多数据来使这些系统在高空无人机飞行中达到完美，但将深度学习与经典的线条查找相结合，是目前让我们的船只和无人机在北极冰冻区域保持稳定的最可靠途径。