물리적 사전 정보 없이 끝에서 끝까지 뉴로모픽 복셀 기반 3D 객체 재구성

뉴로모픽 카메라, 또는 이벤트 카메라라고도 하는 이 장치는 비동기 밝기 변화 센서로, 동작 블러 없이 극히 빠른 움직임을 캡처할 수 있어 극한 환경에서의 3D 재구성에 특히 유망하다. 그러나 단일 뉴로모픽 카메라를 사용한 3D 재구성 연구는 제한적이며, 대부분의 방법은 물리적 사전 정보 추정에 의존하고 복잡한 다단계 파이프라인을 사용한다. 본 연구에서는 이러한 물리적 사전 정보 추정의 필요성을 제거하는 뉴로모픽 카메라를 이용한 밀집된 복셀 3D 재구성을 위한 엔드투엔드 방법을 제안한다. 제안된 방법은 경계 특징을 강화하기 위한 새로운 이벤트 표현 방식을 통합하여, 특징 강화 모델이 더 효과적으로 학습할 수 있도록 한다. 또한, 우리는 미래 관련 연구를 위한 지침으로 최적 이진화 임계값 선택 원칙(Optimal Binarization Threshold Selection Principle)을 도입하였으며, 임계값 최적화를 통해 얻은 최적의 재구성 결과를 벤치마크로 사용하였다. 본 방법은 기준 방법과 비교하여 재구성 정확도가 54.6% 향상되었다.