物理的な事前知識を用いないエンドツーエンドのニューモルフィックボクセルベース3D物体再構成

ニューロモルフィックカメラ、またはイベントカメラは、非同期の輝度変化センサであり、運動ブラーを引き起こすことなく極めて高速な動きを捕捉することができ、極端な環境での3次元再構築に特に有望です。しかし、単眼ニューロモルフィックカメラを使用した3次元再構築に関する既存の研究は限られており、ほとんどの手法が物理的な事前知識の推定に依存し、複雑な多段階パイプラインを採用しています。本研究では、物理的な事前知識の推定を必要としない単眼ニューロモルフィックカメラを使用した密集ボクセル3次元再構築のエンドツーエンド手法を提案します。当手法は新たなイベント表現を取り入れることで輪郭特徴を強化し、提案された特徴強化モデルがより効果的に学習できるようにしています。さらに、将来の関連研究のためのガイドラインとして最適二値化閾値選択原理（Optimal Binarization Threshold Selection Principle）を導入し、閾値最適化によって達成された最適な再構築結果を基準としています。当手法はベースライン手法と比較して再構築精度において54.6%の向上を達成しました。