यह पत्र कई लक्ष्यों वाले शोर भरे वातावरण में सिंगल-फोटॉन LiDAR इमेजिंग की समस्या का समाधान करने के लिए डीप न्यूरल नेटवर्क का उपयोग करते हुए एक डीप अनरोलिंग एल्गोरिथम का प्रस्ताव करता है। मौजूदा सांख्यिकीय विधियाँ, अत्यधिक व्याख्या योग्य होते हुए भी, जटिल दृश्यों को संभालने में कठिनाई का सामना करती हैं। डीप लर्निंग-आधारित विधियाँ, उत्कृष्ट सटीकता और मजबूती प्रदान करते हुए भी, व्याख्यात्मकता का अभाव रखती हैं या प्रति पिक्सेल केवल एक ही शिखर के प्रसंस्करण तक सीमित हैं। इस अध्ययन में, हम एक डीप अनरोलिंग एल्गोरिथम का प्रस्ताव करते हैं जो ज्यामितीय डीप लर्निंग का उपयोग करते हुए, एक पदानुक्रमित बायेसियन मॉडल और एक दोहरे डेप्थ मैप निरूपण को प्रस्तुत करके बिंदु बादलों से विशेषताएँ निकालता है। यह एल्गोरिथम सटीकता और अनिश्चितता परिमाणीकरण, दोनों प्राप्त करने के लिए सांख्यिकीय और लर्निंग-आधारित विधियों के लाभों को जोड़ती है। सिंथेटिक और वास्तविक-विश्व डेटा पर प्रायोगिक परिणाम मौजूदा विधियों की तुलना में प्रतिस्पर्धी प्रदर्शन प्रदर्शित करते हैं, यहाँ तक कि अनिश्चितता संबंधी जानकारी भी प्रदान करते हैं।
