수중 시각 시스템은 불가피한 빛의 전파로 인해 종종 흐릿한 질감과 낮은 색 대비 문제를 겪는다. 이러한 문제는 안정적인 로봇 작동에 대한 인식을 상당히 저하시킬 수 있다. 본 논문에서는 수중에서의 다차원 비전 과제를 해결하는 새로운 학습 기반 센싱 시스템을 제안한다. 구체적으로, 우리는 3-D 시각 시스템을 위한 영상 향상, 깊이 추정, 불확실성 추정을 다룬다. 또한 빠르고 경량화된 방식으로 TRIDENT 모델을 제안한다. TRIDENT는 효율적인 특징 공유를 위한 하나의 백본 구조와 세 개의 병렬화된 디코더로 구성된다. 아울러 복잡한 매개변수화를 표현하도록 학습되도록 설계되었다. 여러 표준 데이터셋에 대한 실험적 평가에서 TRIDENT는 영상 향상과 깊이 추정에서 기존의 다른 방법들에 비해 유의미하게 뛰어난 성능을 보임을 입증한다. 세 가지 과제를 수행함에도 불구하고, 우리의 모델은 메모리 크기와 추론 시간 모두에서 다른 방법들보다 더 나은 효율성을 나타낸다. 마지막으로, 공동 학습 접근법은 특징 매칭에서의 견고성을 보여주며 2-D에서 3-D 비전 과제로 원활하게 확장된다. 보충 자료는 https://sites.google.com/view/underwater-trident/home에서 이용 가능하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.