AI赋能侧扫声呐——基于生成式模型的声呐图像合成技术

原文标题： Side-Scan Sonar Image Synthesis Based on CycleGAN with 3D Models and Shadow Integration
发表期刊： Computer Modeling in Engineering & Sciences (CMES)
发表时间： 2025年11月（入选封面论文）
来源机构： 韩国海洋科学技术院（KIOST）、国立釜庆大学

技术解读

侧扫声呐是海底勘探、目标搜救和地质调查的核心装备，但高质量实测数据的获取长期受限于海况、天气和高昂的作业成本。韩国研究团队提出了一种基于生成式AI（CycleGAN）的侧扫声呐图像合成技术，为解决这一痛点提供了全新思路 。

该技术的核心创新在于：

1. 三维建模与阴影物理建模：研究团队对沉船、飞机等人工目标构建高精度三维模型，并引入精确的阴影模型，综合考虑声呐与目标的距离、高度及声散射特性，使模拟的阴影区域达到接近实测数据的水平 。
2. 生成对抗网络转化：利用CycleGAN将渲染图像转化为具有真实纹理、噪声和反射模式的侧扫声呐图像，实现大规模训练数据的高效生成 。

行业意义： 该技术大幅减少了对昂贵海上勘探的依赖，可高效模拟多样化的海底环境，为AI驱动的声呐图像自动识别与解译奠定了数据基础。这一成果标志着海洋探测正在向“AI+物理模型”深度融合的方向演进。

原文链接： https://www.techscience.com/CMES/online/detail/24795