南京理工大学陈钱/左超团队LPR 封面 | 基于跨域学习的自适应结构光三维成像

本文介绍了南京理工大学陈钱/左超团队在条纹投影轮廓术（FPP）领域的研究成果。针对深度学习模型在未知系统或环境下性能下降的问题，团队提出了一种基于多专家协作机制的跨域自适应深度学习三维成像方法。该方法采用混合专家架构（MoE），通过动态加权汇总各专家输出，显著提升了三维重建的精度与鲁棒性。实验表明，该方法在处理未见过系统和复杂光照环境下的三维成像任务时展现了优异的性能。研究亮点在于突破深度学习模型在跨域场景中的泛化瓶颈，通过动态合成网络结构使模型能够自适应不同成像系统与环境条件。该方法有望提升基于深度学习的结构光三维成像技术在更广泛应用场景中的有效性。