DynGhost는 동적 섀도우 이미징에서 시간적 일관성을 활용하는 Transformer 아키텍처입니다. 기존 방식의 한계를 극복하기 위해 개발되었습니다. 양자 검출기 시뮬레이션 기반의 훈련 프레임워크를 통해 실제 하드웨어 제약 조건을 해결하고 성능을 향상시켰습니다.
DynGhost는 SNSPDs, SPADs, SiPMs 등 물리적으로 정확한 검출기 시뮬레이션을 기반으로 훈련하여, 기존 모델의 실패 원인이 되는 분포 편이를 해결합니다. 다양한 벤치마크 실험에서 기존 방법과 딥러닝 아키텍처를 능가하는 성능을 보여주었습니다.
특히 동적 환경과 광자 부족 환경에서 DynGhost는 뛰어난 성능을 발휘하며, 시간적 일관성을 활용하여 이미지 재구성에 기여합니다.