비강체 복원은 영상으로부터 획득된 물체의 2차원 궤적으로부터 3차원 정보를 복원하는 기술이다. 비강체 복원은 물체가 변형함에도 물체의 기하학적 특성을 활용하여 단안 카메라의 관측만으로 물체의 형상을 복원하는 것이 가능하다. 최근 다양한 방법들이 제안되어 복잡한 물체의 복원, 밀도 높은 궤적의 복원 등 몇 가지 근본적인 어려움을 해소하는 방법들이 제안되었지만 그럼에도 불구하고 상당한 복원시간, 환경적 제약을 요구하는 문제로써 난점을 가진다. 이는 영상으로부터 2차원 궤적과 같은 기하학적인 정보에만 의존하기 때문에 발생하는 것으로 기하학적인 정보와 영상정보를 함께 활용하는 것이 가능하다면 기존의 비강체 복원 방법들의 단점을 해소하여 더욱 다양한 응용에 사용될 수 있을 것이다. 본 과제는 이러한 관점을 실현하기 위하여 영상을 입력으로 사용하는 심층신경망과 비강체 복원 기법을 융합하는 방법을 제안하고 심층 신경망을 활용하여 완전한 환경의 3차원 복원을 수행하는 방법을 연구한다. 이 목표를 달성하기 위하여 비강체 복원 기법을 심층신경망에 적용하면서 학습을 용의하게 해주는 MDS 네트워크와 심층신경망을 활용한 보간법 개발로 해결한다. 2차원 궤적 정보에 포함될 수 있는 노이즈와 로스에 대한 가정이 맞지 않는 부분에 대해 대응하기 위하여 통계적인 모델 제안과 그 모델들의 조합법에 관하여 연구한다. 마지막으로 학습된 내재적 표면 복원 네트워크를 활용하여 노이즈와 왜곡을 제거하고 환경의 표면정보를 추정하여 완전한 복원을 수행하는 방법을 개발하는 것을 목표로 한다.