面向端到端的神经形态体素基于3D物体重建方法——无需物理先验

神经形态相机，也称为事件相机，是一种异步亮度变化传感器，能够捕捉极快的运动而不产生运动模糊，因此在极端环境下的三维重建中具有特别广阔的应用前景。然而，现有的关于使用单目神经形态相机进行三维重建的研究较为有限，大多数方法依赖于估计物理先验，并采用复杂的多步骤流程。在本研究中，我们提出了一种端到端的密集体素三维重建方法，该方法消除了对物理先验估计的需求。我们的方法引入了一种新颖的事件表示方式，以增强边缘特征，从而使所提出的特征增强模型能够更有效地学习。此外，我们提出了最优二值化阈值选择原则（Optimal Binarization Threshold Selection Principle），作为未来相关工作的指导方针，并将通过阈值优化获得的最佳重建结果作为基准。与基线方法相比，我们的方法在重建精度上提高了54.6%。