Repairing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry

Sintesi Tecnica: Riparazione delle scorciatoie basate su prior di forma nella FPP single-shot a lungo raggio

Problema
La profilometria a proiezione di frange (FPP) single-shot mira a ottenere una ricostruzione 3D densa e senza contatto da un singolo fotogramma di frange, consentendo l'operatività in condizioni non stazionarie (oggetti in movimento, illuminazione variabile) dove la FPP convenzionale a più step con spostamento di fase fallisce. Tuttavia, nel regime a lungo raggio (standoff > 1 m), la ricostruzione single-shot è intrinsecamente mal posta. La mappatura da un singolo fotogramma di intensità di frangia alla profondità è non iniettiva senza l'informazione sull'ordine delle frange perché l'intensità dipende da una funzione coseno $2\pi$-periodica. Di conseguenza, un ordine di frangia errato induce errori di profondità che crescono quadraticamente con la distanza ($Z^2$).

Il lavoro precedente (Haroon et al., 2026b) ha stabilito che i classici baseline di deep learning (specificamente le UNet di regressione della profondità) falliscono nel risolvere questo problema sui benchmark a lungo raggio. Invece di decodificare la fase della frangia per recuperare la profondità, queste reti sfruttano una "scorciatoia del prior di forma" (shape-prior shortcut). Esse rilevano i bordi dell'oggetto e riempiono dei template di forma appresi, bypassando completamente la fisica delle frange. Questo fallimento è una proprietà dello spazio delle ipotesi: poiché la mappatura è non iniettiva, gli ottimizzatori addestrati con regressione standard $L_1/L_2$ collassano sul surrogato del prior di forma. Aggiungere più dati o capacità del modello non risolve il problema, poiché la scorciatoia rimane disponibile all'interno dello spazio di ricerca.

Metodologia: PhiCalNet
Per riparare questo fallimento, gli autori introducono PhiCalNet, un'architettura a fase intermedia progettata per rimuovere la soluzione del prior di forma dallo spazio delle ipotesi per costruzione, piuttosto che limitarsi a scoraggiarla tramite penalità di perdita.

1. Inquadramento Architetturale: A differenza delle reti standard che regrediscono direttamente la profondità ($I \to Z$), PhiCalNet produce una rappresentazione di fase avvolta $(\sin \phi, \cos \phi)$. La rete non produce mai la profondità come quantità appresa diretta.
2. Calibrazione Differenziabile Fissa: La fase in uscita viene mappata nella profondità attraverso uno strato di calibrazione fisso, non apprendibile e differenziabile ($\mathcal{C}$) che applica la deterministica fisica di triangolazione FPP. Ciò assicura che l'unico percorso per una profondità accurata sia affinché la rete predica accuratamente la fase avvolta.
3. Ordine di Frangia Ausiliario: Per risolvere la non iniettività della ricostruzione single-shot, PhiCalNet utilizza l'ordine di frangia ($k$) come informazione ausiliaria dichiarata (ad esempio, da gray-code o decodifica a più frequenze). La rete apprende la mappatura $I \to (\sin \phi, \cos \phi)$, mentre lo srotolamento ($\Phi = \phi + 2\pi k$) e la triangolazione sono gestiti dal pipeline fisso.
4. Funzione di Perdita: L'addestramento impiega una perdita composita:
   • $\mathcal{L}_{circ}$: Un termine di fase geodetica sul cerchio unitario, pesato per dare maggiore importanza agli errori vicino al confine di avvolgimento $\pm \pi$.
   • $\mathcal{L}_{\nabla}$: Un regolarizzatore di fluidità sui gradienti di fase.
   • $\mathcal{L}_{d}$: Una perdita ibrida $L_1$ sulla profondità finale (calcolata tramite lo strato di calibrazione), che attiva un percorso di gradiente attraverso la calibrazione fissa verso il backbone.

Contributi Chiave

1. Riparazione Architetturale rispetto alle Penalità di Perdita: Il documento dimostra che imporre la fisica tramite una penalità di perdita "soft" (un baseline Physics-Informed Neural Network o PINN) non produce alcun miglioramento rispetto alla UNet standard. Il miglioramento deriva strettamente dalla scelta architetturale di instradare la ricostruzione attraverso uno strato di calibrazione fisso, che costringe la rete a rappresentare la fase.
2. Interpretabilità Meccanicistica: Gli autori applicano una batteria di probe di interpretabilità (linear probing, dual-mode Grad-CAM e test out-of-distribution su piano piatto) per verificare che PhiCalNet apprenda la fisica prevista.
   • Linear Probing: La fase è la caratteristica interna più decodificabile, mentre la profondità è la meno decodificabile (a differenza del baseline UNet dove la profondità-come-forma è consolidata nel decoder).
   • Grad-CAM: In "modalità fase", la rete presta attenzione ai pattern di frangia; in "modalità profondità", l'attenzione si sposta sui bordi dell'oggetto solo dopo che i gradienti fluiscono attraverso la calibrazione.
   • Test del Piano Piatto: PhiCalNet recupera correttamente una profondità uniforme su un piano privo di caratteristiche (dove i prior di forma falliscono), mentre il baseline UNet collassa verso una profondità prossima allo zero.
3. Quantificazione dell'Incertezza (UQ): Il documento applica la predizione conforme pixel-wise alla FPP per la prima volta. Dimostra che l'incertezza del modello (disaccordo dell'ensemble snapshot) è concentrata precisamente nelle discontinuità di avvolgimento $\pm \pi$, lo stesso locus identificato dall'analisi dei residui.
4. Template Metodologico: La convergenza di interpretabilità meccanicistica (MI), analisi dell'errore residuo e quantificazione dell'incertezza (UQ) in un singolo locus geometrico è proposta come un template "diagnosi-riparazione-verifica" per l'apprendimento informato dalla fisica.

Risultati
Valutato su FPP-ML-Bench (15.600 immagini di frange, 50 oggetti a 1,5–2,1 m di standoff):

• Accuratezza: PhiCalNet riduce l'Errore Assoluto Medio (MAE) dell'oggetto di 3,3$\times$ rispetto al miglior baseline UNet (4,46 mm rispetto a 14,54 mm).
• Analisi dei Residui: L'errore rimanente è altamente localizzato. L'intero tail della Root Mean Square Error (RMSE) è trasportato dall'0,103% dei pixel dell'oggetto situati alla discontinuità di avvolgimento $\pm \pi$. Questo è identificato come un limite strutturale della regressione continua su un target discontinuo, non come un fallimento di fitting.
• Estensione Multi-frame: Estendere l'input a tre fotogrammi con spostamento di fase riduce il MAE dell'oggetto a 1,16 mm, confermando che il residuo single-shot è di natura informazionale.
• Sensibilità all'Ordine di Frangia: Il sistema rimane entro il 5% della sua accuratezza oracle anche con una corruzione dell'ordine di frangia fino al 5% per pixel, indicando che l'assunzione oracle è un formalismo piuttosto che un requisito stretto di deployment.
• Efficacia dell'UQ: Rifiutare il top 5% dei pixel con il maggior disaccordo tra gli snapshot riduce l'RMSE di PhiCalNet del 64% (20,6 mm $\to$ 7,4 mm), mentre la stessa procedura sul baseline UNet produce solo una riduzione del 3,5%.

Significato e Rivendicazioni
Il documento sostiene che il fallimento delle reti FPP single-shot non è un problema di capacità, ma di rappresentazione, dove gli ottimizzatori sfruttano i prior di forma per bypassare la fisica mal posta. La significatività di PhiCalNet risiede nel suo inquadramento architetturale, che rimuove la scorciatoia del prior di forma rendendo la fase l'output primario e la profondità una conseguenza deterministica di una fisica fissa.

Gli autori inquadrano modestamente i loro contributi come:

1. Una specifica soluzione architetturale (PhiCalNet) che supera l'imposizione della fisica a livello di perdita.
2. Una caratterizzazione empirica e analitica del residuo di errore come artefatto del confine di avvolgimento.
3. Un workflow di verifica dove MI e UQ convergono sullo stesso locus di fallimento, offrendo un template per diagnosticare e riparare sistemi di apprendimento informati dalla fisica dove i modi di fallimento hanno specifici loci geometrici.

Il documento non pretende di risolvere il problema del trasferimento sim-to-real o di eliminare la necessità di informazioni sull'ordine di frangia nei setup single-shot; piuttosto, isola la causa architetturale della scorciatoia e dimostra che correggere l'architettura produce un modo di fallimento strutturalmente leggibile che può essere gestito efficacemente tramite la quantificazione dell'incertezza.