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

Resumo Técnico: Reparando Atalhos de Prior de Forma em FPP de Longo Alcance e Disparo Único

Definição do Problema
A profilometria de projeção de franjas (FPP) de disparo único visa alcançar a reconstrução 3D densa e sem contato a partir de uma única imagem de franja, permitindo a operação em condições não estacionárias (objetos em movimento, iluminação variável) onde a FPP convencional de deslocamento de fase de múltiplas etapas falha. No entanto, no regime de longo alcance (distância de afastamento > 1 m), a reconstrução de disparo único é inerentemente mal posta. O mapeamento de uma única imagem de intensidade de franja para profundidade é não injetivo sem a informação da ordem da franja, pois a intensidade depende de uma função cosseno $2\pi$-periódica. Consequentemente, uma ordem de franja incorreta induz erros de profundidade que crescem quadraticamente com a distância ($Z^2$).

Trabalhos anteriores (Haroon et al., 2026b) estabeleceram que as bases padrão de aprendizado profundo (especificamente UNets de regressão de profundidade) falham em resolver este problema em benchmarks de longo alcance. Em vez de decodificar a fase da franja para recuperar a profundidade, essas redes exploram um "atalho de prior de forma" (shape-prior shortcut). Elas detectam contornos de objetos e preenchem modelos de forma aprendidos, ignorando completamente a física da franja. Este fracasso é uma propriedade do espaço de hipóteses: como o mapeamento é não injetivo, os otimizadores treinados com regressão $L_1/L_2$ padrão colapsam sobre o substituto do prior de forma. Adicionar mais dados ou capacidade de modelo não resolve o problema, pois o atalho permanece disponível dentro do espaço de busca.

Metodologia: PhiCalNet
Para reparar esta falha, os autores introduzem o PhiCalNet, uma arquitetura de fase intermediária projetada para remover a solução do atalho de prior de forma do espaço de hipóteses por construção, e não apenas para desencorajá-la via penalidades de perda.

1. Enquadramento Arquitetural: Diferente das redes padrão que regridem a profundidade diretamente ($I \to Z$), o PhiCalNet produz uma representação de fase envolta $(\sin \phi, \cos \phi)$. A rede nunca produz a profundidade como uma quantidade aprendida direta.
2. Calibração Difeferenciável Fixa: A fase de saída é mapeada para profundidade através de uma camada de calibração fixa, não aprendível e diferenciável ($\mathcal{C}$) que aplica a física determinística de triangulação da FPP. Isso garante que o único caminho para uma profundidade precisa seja para a rede prever com precisão a fase envolta.
3. Ordem de Franja Auxiliar: Para resolver a não injetividade da reconstrução de disparo único, o PhiCalNet utiliza a ordem da franja ($k$) como informação lateral declarada (ex: proveniente de código cinza ou decodificação de múltiplas frequências). A rede aprende o mapeamento $I \to (\sin \phi, \cos \phi)$, enquanto o desenrolamento ($\Phi = \phi + 2\pi k$) e a triangulação são tratados pelo pipeline fixo.
4. Função de Perda: O treinamento emprega uma perda composta:
   • $\mathcal{L}_{circ}$: Um termo de fase geodésica no círculo unitário, ponderado para aumentar o peso dos erros próximos à fronteira de enrolamento $\pm \pi$.
   • $\mathcal{L}_{\nabla}$: Um regularizador de suavidade nos gradientes de fase.
   • $\mathcal{L}_{d}$: Uma perda híbrida $L_1$ na profundidade final (calculada via camada de calibração), que ativa um caminho de gradiente de volta através da calibração fixa para o backbone.

Principais Contribuições

1. Reparo Arquitetural sobre Penalidades de Perda: O artigo demonstra que impor a física via uma penalidade de perda suave (uma base de Rede Neural Informada pela Física ou PINN) não traz melhoria sobre a UNet padrão. A melhoria vem estritamente da escolha arquitetural de rotear a reconstrução através de uma camada de calibração fixa, o que força a rede a representar a fase.
2. Interpretabilidade Mecanicista: Os autores aplicam um conjunto de sondas de interpretabilidade (probes lineares, Grad-CAM de modo duplo e testes de plano plano fora de distribuição) para verificar se o PhiCalNet aprende a física pretendida.
   • Probing Linear: A fase é a característica interna mais decodificável, enquanto a profundidade é a menos decodificável (ao contrário da base UNet, onde a profundidade-como-forma é consolidada no decodificador).
   • Grad-CAM: No "modo fase", a rede atenta aos padrões de franja; no "modo profundidade", a atenção muda para os contornos do objeto apenas após os gradientes fluírem através da camada de calibração.
   • Teste de Plano Plano: O PhiCalNet recupera corretamente uma profundidade uniforme em um plano sem características (onde os priors de forma falham), enquanto a base UNet colapsa para uma profundidade próxima de zero.
3. Quantificação de Incerteza (UQ): O artigo aplica predição conformal pixel a pixel na FPP pela primeira vez. Mostra que a incerteza do modelo (desacordo de ensemble de snapshots) está concentrada precisamente nas descontinuidades de enrolamento $\pm \pi$, o mesmo locus identificado pela análise de erro residual.
4. Template Metodológico: A convergência da interpretabilidade mecanicista (MI), análise de erro residual e quantificação de incerteza (UQ) em um único locus geométrico é proposta como um template de "diagnosticar-reparar-verificar" para aprendizado informado pela física.

Resultados
Avaliado no FPP-ML-Bench (15.600 imagens de franja, 50 objetos em 1,5–2,1 m de afastamento):

• Acurácia: O PhiCalNet reduz o Erro Médio Absoluto (MAE) do objeto em 3,3$\times$ em comparação com a melhor base UNet (4,46 mm vs. 14,54 mm).
• Análise Residual: O erro restante é altamente localizado. Toda a cauda do Erro Quadrático Médio (RMSE) é carregada por 0,103% dos pixels do objeto localizados na descontinuidade de enrolamento $\pm \pi$. Isto é identificado como um limite estrutural da regressão contínua sobre um alvo descontínuo, não uma falha de ajuste.
• Extensão Multi-Frame: Estender a entrada para três quadros com deslocamento de fase reduz o MAE do objeto para 1,16 mm, confirmando que o residual de disparo único é informacional-teórico.
• Sensibilidade à Ordem de Franja: O sistema permanece dentro de 5% de sua acurácia oracle mesmo com até 5% de corrupção de ordem de franja pixel a pixel, indicando que a suposição oracle é um formalismo e não um requisito estrito de implementação.
• Eficácia da UQ: Rejeitar os 5% superiores de pixels com maior desacordo de snapshot reduz o RMSE do PhiCalNet em 64% (20,6 mm $\to$ 7,4 mm), enquanto o mesmo procedimento na base UNet gera apenas uma redução de 3,5%.

Significância e Alegações
O artigo alega que o fracasso das redes de FPP de disparo único não é um problema de capacidade, mas de representação, onde os otimizadores exploram priors de forma para contornar a física mal posta. A significância do PhiCalNet reside no seu enquadramento arquitetural, que remove o atalho do prior de forma ao tornar a fase a saída primária e a profundidade uma consequência determinística de uma física fixa.

Os autores enquadram modestamente suas contribuições como:

1. Uma solução arquitetural específica (PhiCalNet) que supera a imposição de física ao nível de perda.
2. Uma caracterização empírica e analítica do erro residual como um artefato de fronteira de enrolamento.
3. Um fluxo de trabalho de verificação onde MI e UQ convergem no mesmo locus de falha, oferecendo um template para diagnosticar e reparar sistemas de aprendizado informado pela física cujos modos de falha possuem loci geométricos específicos.

O artigo não pretende resolver o problema de transferência sim-to-real ou eliminar a necessidade de informação de ordem de franja em configurações de disparo único; em vez disso, ele isola a causa arquitetural do aprendizado de atalho e demonstra que corrigir a arquitetura resulta em um modo de falha estruturalmente legível que pode ser gerenciado efetivamente via quantificação de incerteza.