Towards 3D Vision with Low-Cost Single-Photon Cameras

我们提出了一种方法，基于微型、节能、低成本的单光子相机的测量数据，重建任意Lambertian物体的三维形状。这些相机作为时间分辨图像传感器工作，用非常快速的漫反射光脉冲照亮场景，并以高时间分辨率记录从场景返回的脉冲形状。我们建议对这种图像形成过程进行建模，考虑其非理想性，并采用神经渲染来从已知姿态的一组空间分布式传感器中重建三维几何形状。我们展示了我们的方法可以成功地从模拟数据中恢复复杂的三维形状。我们进一步展示了从商品接近传感器的测量数据中重建真实世界捕获的三维物体。我们的工作将基于图像的建模和主动式范围扫描之间建立联系，是向单光子相机的三维视觉迈进的一步。

本文旨在利用单光子相机的测量数据重建任意Lambertian物体的三维形状。作者提出了一种新的方法，通过模拟图像形成过程、考虑其非理想性并使用神经渲染来实现从已知姿态的一组空间分布式传感器的数据中重建三维几何体。

本文的关键思路是使用单光子相机的数据进行三维物体重建，并且采用了神经渲染来实现这一过程。相比于当前领域的研究，本文的方法更加高效、节能且成本更低。

本文使用模拟数据和真实数据进行了实验，并成功地重建了复杂的三维形状。作者还开源了一些代码和数据集，方便其他研究人员进行相关研究。本文的方法为图像建模和主动测距扫描之间建立了联系，是单光子相机三维视觉研究的一大进展。

在这个领域中，最近的相关研究包括：《Single-Photon 3D Imaging with Deep Sensor Fusion》、《Single-Photon Lidar with SPAD Array and MEMS Mirror》等。