تعد الكاميرات الحدثية من الابتكارات التقنية المتقدمة التي تساهم في إعادة بناء الأبعاد الثلاثية (3D Reconstruction) بدقة غير مسبوقة. تمتاز هذه الكاميرات بقدرتها على التقاط التغيرات في الإضاءة على مستوى كل بكسل بشكل غير متزامن، مما يسمح لها بتوليد تدفقات بيانات كثيفة زمنياً، رغم كونها متناثرة. وهذا يعني أنها تستطيع تقديم معلومات دقيقة وفعَّالة حتى في ظروف صعبة مثل الحركة السريعة، الإضاءة المنخفضة، والسيناريوهات ذات النطاق الديناميكي الواسع.

تقدم هذه المراجعة الشاملة أول دراسة من نوعها تركز على إعادة البناء ثلاثي الأبعاد باستخدام الكاميرات الحدثية، حيث تصنف الأساليب المتاحة بشكل منهجي بناءً على نمط الإدخال إلى أنظمة ستركوب (stereo) ومنوكولار (monocular) ومتعددة الأنظمة (multimodal). كما تم تصنيف تقنيات إعادة البناء وفقًا لأسلوبها، مثل التقنيات المستندة إلى الهندسة، وتقنيات التعلم العميق (Deep Learning)، وتقنيات عرض الشبكات العصبية مثل حقول الإشعاع العصبي (Neural Radiance Fields) ونموذج انسجام Gaussian ثلاثي الأبعاد (3D Gaussian Splatting).

تتميز هذه الدراسة بتسليط الضوء على تطور المفاهيم الرئيسية والتقدم في كل فئة. كما نقدم ملخصًا مفصلاً عن المجموعات العامة المتاحة والتي تناسب مهام إعادة البناء المعتمدة على الأحداث. بالإضافة إلى ذلك، نناقش التحديات الكبرى المتعلقة بتوافر البيانات، التقييم المعياري، التمثيل الفعَّال، وإعادة بناء المشاهد الديناميكية، وبذلك نحدد اتجاهات بحثية مثيرة للمستقبل.

تسعى هذه المراجعة لأن تكون مرجعًا أساسيًا وتوفر خريطة طريق واضحة ومشجعة لتعزيز الحالة الفنية في إعادة البناء ثلاثي الأبعاد المدفوعة بالأحداث. ما الذي تعتقد أنه سيكون دور الكاميرات الحدثية في مستقبل الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.