研究人员推出了一种新的 AI 模型，可以将难以看到的水下图像转换为清晰、高度准确的 3D 场景。它可以帮助生态学家更准确地观察和理解珊瑚礁等环境。
马萨诸塞州 Woods Hole 海洋学研究所 (WHOI) 和麻省理工学院的研究人员设计了名为 SeaSplat 的模型，以抵消水对照片的两大扭曲效应：薄雾和着色。
SeaSplat 可以重建如果去除水体及其失真，水下场景会是什么样子。它可以将看起来无色或冲淡的照片转换为明亮、清晰的图像，以反映物体或动物的真实颜色。
该模型还可以生成精确的 360 度重建图像。一种称为 3D 高斯射的技术可帮助模型精确预测并以数字方式重现二维水下照片中的完整 3D 图像。
研究人员使用由潜水员和机器人收集的大量水下图像，调整了 3D 重建模型，以自动纠正水的固有失真，并描绘出出现在陆地上的水下物体。它考虑了场景的 3D 结构以及每个物体的几何形状和相对位置，以创建逼真的颜色。
研究人员希望 SeaSplat 能够帮助生态学家更好地了解珊瑚礁丰富的生物多样性，为科学家提供更好的工具来保护这些对环境至关重要的栖息地。珊瑚礁通常被称为“海洋雨林”，因为它们在培育水下生物多样性方面发挥着重要作用。
国际珊瑚礁倡议 (International Coral Reef Initiative) 是一个由国家和组织组成的全球合作伙伴组织，该组织指出，在过去两年中，约 84% 的珊瑚礁经历过有害的色。自 1998 年以来，全球发生了四次破坏珊瑚礁生态系统的漂白事件。
WHOI 的副科学家、该模型的联合创建者 Yogesh Girdhar 表示：“珊瑚礁是海洋的一小部分，但拥有大量的生物多样性，因此监控珊瑚礁生态系统至关重要。“科学家可以使用这个模型来量化珊瑚礁的生物多样性，并检测诸如珊瑚脱色或疾病等特定事件。”
5 月中旬，就在一年一度的 6 月 1 日世界珊瑚礁宣传日 (World Reef Awareness Day) 前几周，GIRDHAR 和共同作者麻省理工学院 (MIT) 研究生 Daniel Yang 在一次机器人会议上介绍了他们在 SeaSplat 方面的研究成果。麻省理工学院机械工程教授 John Leonard 也参与撰写了这项研究。
为了捕获用于训练模型的水下图像，研究人员使用了一个配备 NVIDIA Jetson Orin 边缘计算的水下机器人来帮助指导飞船。
自首次训练运行 (由 NVIDIA L40 GPU 提供支持) 以来，该模型可用于推理标准水下摄像机拍摄的图像，而非专用设备或花哨的照明。
生态学家上传原始的水下图像，然后该模型创建校正版本，恢复自然色彩和更清晰的细节。例如，SeaSplat 可以准确地添加背面红色和黄色，这通常会在水下照片中消失。它还能展现或重现珊瑚或海洋有机体的精细特征。
“我们的目标是帮助生态学家获得更高的海底分辨率，并更好地了解珊瑚礁，”Girdhar 说。“由于我们拥有非常高质量的 3D 模型，因此我们可以将摄像头移动到几乎任何位置，并从几乎任何与实际物体非常接近的视角渲染重建的图像。”
到目前为止，SeaSplat 已用于分析和升级在美属维尔京群岛、红海和库拉索岛拍摄的水下珊瑚礁图像。未来，研究人员希望提高该模型的通用性和可扩展性，以便几乎可用于任何水下调查或研究。
