S3Seg dataset

新AI框架通过物理信息学习增强声纳图像分析

研究人员开发了BenthicDINO，一个新颖的自监督学习框架，旨在提高侧扫声纳图像的感知能力。该框架通过引入物理信息增强和希尔伯特-施密特独立性准则惩罚来解决现有方法的局限性，以强制视点不变性并将特征与视点几何解耦。BenthicDINO采用ConvNeXt-v2-Tiny骨干网络和密集、分层的特征融合策略来保留细粒度细节。评估表明，该框架在没有手动注释的情况下有效地将底栖地形聚类为稳定的语义簇，并在下游任务中表现出卓越的数据效率。