首个金属3D打印事件相机基准发布，380倍数据率还原528.7Hz熔池振荡！
Event Cameras for Melt-Pool Monitoring in Additive Manufacturing: A Benchmark and a Cross-Machine Transfer Analysis
📖 AI 总结
本文针对金属增材制造中熔池监测缺乏公开事件相机基准的问题，发布了首个多源模拟事件相机基准SynAM-E，包含来自8家机构15个数据源的85个物理校准事件分片，并提供公开基线与固定的跨机器评估划分。单机案例显示，事件空间监测的宏F1达0.874，与稠密帧的0.863相当，而事件所丢弃的绝对强度信息在融合后仅贡献0.006的提升。在NIST增材制造计量测试平台上，近传感器事件率计数器以约380倍于帧流更低的传感器读取量，恢复了原始帧确认的528.7赫兹强度振荡。一个9.3万参数的脉冲模型以0.073宏F1的代价实现约15倍的推理能耗降低。所有跨源任务均内置针对相机身份捷径的信任测试，过程类型分类通过，而材料分类仍受相机波段混淆，这一语料结构性局限已被记录并由信任测试揭示。
🔑 关键词速览
| Event Cameras | 事件相机，一种神经形态传感器，以微秒级时间分辨率异步报告像素亮度变化，而非输出完整帧。 |
| Melt-Pool Monitoring | 熔池监测，通过观测金属增材制造过程中熔池的瞬态行为来评估打印质量与工艺稳定性的技术。 |
| SynAM-E | 本文提出的首个公开多源模拟事件相机基准数据集，用于金属增材制造熔池监测。 |
| Spiking Model | 脉冲神经网络模型，一种受生物神经元启发的低功耗计算模型，以离散脉冲传递信息。 |
| Cross-Machine Transfer | 跨机器迁移，指在一个机器上训练的模型应用于另一台机器时的性能评估与分析。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅