딥러닝 및 잠재확산 기반 반사면 구조광 복원 3D 재구성 연구

Deep Learning and Latent Diffusion for Reflective-Object Structured Light Reconstruction

연구 내용

반사와 간접 조명으로 프린지 정보가 왜곡되는 문제를 줄이기 위해 딥러닝 복원과 잠재 표현 기반 구조광 재구성 연구

광택 및 고반사 물체에서 구조광 프린지 투영이 심하게 왜곡되거나 일부 정보가 소실되는 문제를 해결하기 위한 복원 연구를 수행합니다. 딥러닝 기반 구조광 프레임워크를 통해 입력 프린지로부터 위상 및 형상 관련 특징을 효율적으로 추출하는 방법을 제시합니다. 또한 이벤트 성격의 비전 입력을 융합하는 photometric stereo 네트워크를 고려하여, 장면 변화와 관측 신호의 특성을 모델에 반영하는 방향을 다룹니다. 더 나아가 잠재확산 기반 LD-SLRO에서는 반사로 인한 아티팩트를 확률적으로 억제하고 소실된 프린지 정보를 복원하기 위해 잠재 표현을 조건으로 사용하는 구성을 적용합니다.

관련 프로젝트

0건

연구 흐름

분야의 출발점에서는 변화가 내재된 비전 신호를 다루기 위한 이벤트 융합 photometric stereo 네트워크로 관측-재구성 사이의 매핑을 학습 기반으로 정립했습니다. 이후 구조광 3D 스캐닝에서 빠른 처리 프레임워크를 목표로 딥러닝 기반 structured light 접근을 확장하여 프린지 처리의 병목을 줄이는 방향으로 진행했습니다. 최근에는 반사로 인해 프린지가 소실되는 상황을 직접 타깃으로 잠재 표현을 추출하고 이를 latent diffusion 모델의 조건으로 사용하는 LD-SLRO 구조를 개발했습니다. 그 과정에서 반사 인코더와 주의 모듈 등 구성요소를 통해 복원 품질을 개선하는 흐름을 확보하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

유광·고반사 물체 3D 스캐닝
프린지 복원 전처리 파이프라인
품질관리 형상 검사
증강현실용 정합 기반 재구성
조명 변동 환경의 복원
도메인 변화에 강건한 측정
반사 아티팩트 억제
표면 리플렉턴스 기반 보정
딥러닝 기반 실시간 재구성
이벤트 기반 비전 재구성
위상 관련 특징 추정 고도화