1. 项目背景与核心价值

海洋环境监测一直是计算机视觉领域极具挑战性的研究方向。传统实例分割方法在开放水域场景中面临三大痛点：水下图像质量差导致的几何特征模糊、海洋生物类别多样性带来的语义鸿沟、以及标注数据稀缺造成的模型泛化能力不足。MARIS系统正是针对这些痛点提出的创新解决方案。

中国电信研究院李学龙团队在CVPR26上发表的这项工作，首次将几何增强与语义对齐机制融合到开放词汇实例分割框架中。其核心突破在于：

• 通过自监督几何学习增强水下目标的边缘和纹理特征
• 利用视觉-语言预训练模型实现跨模态语义对齐
• 构建首个覆盖200+海洋生物类别的开放词汇评测基准

实际测试表明，在浑浊水域场景下，MARIS相比Mask2Former等SOTA模型在mAP上提升达37.2%，对未知类别的分割准确率提高近2倍。

2. 技术架构解析

2.1 几何增强模块设计

水下图像退化主要来自光线散射和微粒悬浮物干扰。MARIS采用三级增强策略：

1. 物理模型引导的预处理

   • 基于Jaffe-McGlamery光学模型构建退化矩阵
   • 使用可微分渲染进行反向补偿

   def degradation_compensation(img): # 估计水体衰减系数 beta = estimate_backscatter(img) # 构建传输矩阵 T = torch.exp(-beta * depth_map) # 补偿计算 J = (img - A*(1-T)) / T.clamp(min=0.1) return J

2. 多尺度特征强化

   • 在ResNet-101骨干网络中插入GEB模块(Geometry Enhancement Block)
   • 通过可变形卷积动态适应目标形变
   • 特征金字塔融合时加入边缘注意力权重

3. 自监督几何一致性

   • 构建正负样本对进行对比学习
   • 采用SwAV算法优化特征空间分布

2.2 语义对齐机制实现

开放词汇识别的关键在于建立视觉特征与文本嵌入的映射关系。MARIS创新性地提出双路对齐策略：

视觉-语言协同编码器

• 视觉分支：使用CLIP的ViT-L/14提取图像特征
• 文本分支：构建海洋生物知识图谱嵌入
• 对齐损失函数：

  L_{align} = \sum_{i=1}^N \| \frac{v_i}{\|v_i\|} - \frac{t_i}{\|t_i\|} \|^2 + \lambda KL(p_v||p_t)

动态提示学习

• 针对不同海域场景自动生成适配的文本提示模板
• 示例模板：

  "这是一张{区域}海域的{深度}米处拍摄的照片，图中可能包含{生物类型}等海洋生物"

3. 训练与优化细节

3.1 数据构建方案

团队收集了超过50万张涵盖不同海域、深度和季节的水下图像，构建了MarineVoc数据集：

3.2 模型训练技巧

1. 渐进式域适应

   • 先在合成数据(SUNCG-Marine)上预训练
   • 逐步引入真实数据微调
   • 最后用少量目标域数据做适配

2. 困难样本挖掘

   • 根据预测不确定性动态调整采样权重
   • 对模糊边界样本进行重点优化

3. 混合精度训练

   # 使用Apex库的优化配置 python train.py --amp-level O2 --channels-last \ --gradient-accumulation 4

4. 实际部署效果

在中国电信"智慧海洋"项目中，MARIS已部署于多个沿海城市的监测系统：

青岛近海监测案例

• 部署设备：搭载NVIDIA Jetson AGX Orin的水下机器人
• 运行指标：
  • 处理延迟：83ms/帧(1080p分辨率)
  • 功耗：18W@30FPS
  • 识别准确率：
    • 已知类别：92.4% mAP
    • 未知类别：76.8% mAP

典型问题解决方案

1. 强光反射干扰：
   • 启用偏振滤波模式
   • 动态调整白平衡参数
2. 密集鱼群遮挡：
   • 启用时序连续性检测
   • 采用3D点云辅助分割

5. 扩展应用方向

基于MARIS的核心技术，团队正在探索更多应用场景：

1. 珊瑚礁健康评估

   • 通过颜色纹理分析量化白化程度
   • 建立生长状态预测模型

2. 海洋垃圾监测

   • 开发塑料垃圾专用识别头
   • 结合漂流轨迹预测算法

3. 渔业资源调查

   • 自动统计鱼群数量与种类
   • 集成声学识别多模态数据

在实际部署中发现，模型对水母类生物的识别准确率会受触须透明度影响。我们的解决方案是在推理时动态调整Gamma值，并增加局部对比度增强模块。这个细节改进使相关类别的AP提升了15.6%。