[Paper] MANTA: 基于物理的通用水下目标跟踪

Source: arXiv - 2511.23405v1

概览

水下目标跟踪长期落后于陆地对应技术，因为水体的物理特性——波长相关的衰减和散射——会随着深度和水质的变化显著改变目标的外观。论文 “MANTA: Physics‑Informed Generalized Underwater Object Tracking” 通过将光传播的物理模型与现代深度学习跟踪相结合，提供了一套在多种水下场景中仍保持鲁棒性的系统，弥补了这一差距。

主要贡献

• 物理感知的对比预训练：引入一种双正例对比损失，将时间一致性与基于 Beer‑Lambert 定律的增强相耦合，教会编码器忽略水引起的颜色/对比度变化。
• 两阶段跟踪流水线：将快速的基于运动的跟踪器与二次的物理感知关联模块相结合，后者融合几何一致性和外观相似性，在遮挡或漂移期间实现再识别。
• 新评估指标：提出中心‑尺度一致性（CSC）和几何对齐得分（GAS），用于在传统基于 IoU 的 Success AUC 之外衡量几何保真度。
• 全面的基准套件：在四个大规模水下数据集（WebUOT‑1M、UOT32、UTB180、UWCOT220）上验证方法，成功 AUC 提升最高可达 6 %，超过此前的最先进水平。
• 实时性能：保持高效运行时间，适用于自主水下航行器（AUV）或遥控潜水器（ROV）上的 onboard 处理。

方法论

1. 物理驱动的数据增强 – 利用 Beer‑Lambert 定律，作者在已有视频帧上合成逼真的水下退化（颜色偏移、对比度损失），迫使网络在多种物理上合理的外观下看到同一目标。
2. 双正例对比学习 – 对每个锚帧生成两个正例：(a) 时间相邻的帧（确保时间连贯性），(b) 施加 Beer‑Lambert 效应的增强版本（确保对水体光学的不可变性）。编码器被训练成将它们拉近，同时将无关帧推远。
3. 主运动跟踪器 – 轻量级相关滤波或 Siamese‑based 跟踪器逐帧运行，提供快速位置估计。
4. 二次物理感知关联 – 当主跟踪器置信度下降（如因遮挡），再识别模块使用以下信息评估候选检测：
   • 几何一致性（预测的运动轨迹、尺度变化）
   • 外观相似性（来自物理感知编码器的特征）
     选取最佳匹配以重新锚定轨迹。
5. 指标套件 – CSC 衡量预测中心和尺度与真实轨迹的吻合程度，GAS 评估预测边界框形状与真实对象几何的对齐程度。

结果与发现

• 对深度与浊度的鲁棒性：消除 Beer‑Lambert 增强的消融实验导致 AUC 下降约 3 %，验证了物理感知训练的重要性。
• 长期稳定性：在长时间遮挡的序列上，二次关联模块相比普通 Siamese 跟踪器将漂移事件减少了 40 %。
• 指标验证：CSC 与 GAS 与人工评估的跟踪质量呈强相关 (ρ ≈ 0.78)，表明它们捕捉到了 IoU 不能发现的失效模式。

实际意义

• AUV/ROV 导航：可靠的目标跟踪使得对管道、珊瑚礁或沉船的自主检查成为可能，减少对操作员的依赖。
• 海洋野生动物监测：研究人员可以在不同深度下跟踪鱼类或海洋哺乳动物，提升生态学数据采集质量。
• 水下 AR/VR：实时、几何一致的跟踪是将虚拟标注叠加到现场视频流上、为潜水员提供辅助的前提。
• 边缘部署：MANTA 在普通 GPU（如 NVIDIA Jetson Xavier）上约 28 FPS，能够嵌入功耗和算力受限的小型机器人。
• 可迁移框架：双正例对比方案可复用于任何受物理退化（如雾、烟、尘）影响的视觉领域，拓展了其在海洋之外的适用性。

局限性与未来工作

• 领域特定的增强：当前的 Beer‑Lambert 模型假设水体均匀；高度分层或颗粒丰富的水体仍可能挑战编码器。
• 数据集偏差：基准主要聚焦相对清澈的水域；在浑浊、低能见度条件下的性能尚未量化。
• 二次关联的可扩展性：对单目标高效，但多目标场景可能增加计算负担；未来可探索层次化或基于注意力的关联机制。
• 端到端训练：两阶段流水线仍保持模块化；联合优化运动预测与物理感知再识别有望进一步提升性能。

总体而言，MANTA 证明将领域物理直接嵌入表征学习和跟踪逻辑，可弥合陆地计算机视觉突破与严苛水下环境之间的差距，为任何在非理想物理条件下运行的视觉系统指明了有前景的方向。

作者

• Suhas Srinath
• Hemang Jamadagni
• Aditya Chadrasekar
• Prathosh AP

论文信息

• arXiv ID: 2511.23405v1
• 分类: cs.CV
• 发表时间: 2025 年 11 月 28 日
• PDF: Download PDF