論文の概要、ライセンス

# (参考訳) 周期的信号に対する非同期イベントベースアルゴリズム [全文訳有]

An asynchronous event-based algorithm for periodic signals ( http://arxiv.org/abs/2205.04691v1 )

ライセンス: CC BY 4.0
David El-Chai Ben-Ezra, Ron Arad, Ayelet Padowicz, Israel Tugendhaft(参考訳) 本稿では,イベントカメラの新たな技術により,既知の周波数で画素サイズの信号を検出するための単純なイベント指向アルゴリズムを提案する。 さらに,ランダムな変動から所望の周期信号をフィルタリングするアルゴリズムの能力を解析する。 この能力を実証し、トワイライトの間、100Hzの周波数でフリックする街灯の信号と、視野の遠い建物で窓から発する太陽の輝きとを、アルゴリズムがどのように区別できるかを示す。

In this paper, we present a simple event-oriented algorithm for detection of pixel-size signals with a known frequency, by the novel technology of an event camera. In addition, we analyze the ability of the algorithm to filter out the desired periodic signals from random fluctuations. We demonstrate this ability and show how the algorithm can distinguish, during twilight, between the signals of a streetlight that flicker with frequency of 100 Hz, and sun glitter originating from windows in far-away buildings in the field of view.
公開日: Tue, 10 May 2022 06:24:09 GMT

※ 翻訳結果を表に示しています。PDFがオリジナルの論文です。翻訳結果のライセンスはCC BY-SA 4.0です。詳細はトップページをご参照ください。

翻訳結果

    Page: /      
英語(論文から抽出)日本語訳スコア
An asynchronous event-based algorithm for periodic signals 周期的信号に対する非同期イベントベースアルゴリズム 0.73
David El-Chai Ben-Ezra, Ron Arad, Ayelet Padowicz, Israel Tugendhaft David El-Chai Ben-Ezra, Ron Arad, Ayelet Padowicz, Israel Tugendhaft 0.45
Abstract In this paper, we present a simple event-oriented algorithm for detection of pixel-size signals with a known frequency, by the novel technology of an event camera. 概要 本稿では,イベントカメラの新たな技術により,既知の周波数で画素サイズの信号を検出するための単純なイベント指向アルゴリズムを提案する。 0.66
In addition, we analyze the ability of the algorithm to filter out the desired periodic signals from random fluctuations. さらに,ランダムな変動から所望の周期信号をフィルタリングするアルゴリズムの能力を解析する。 0.67
We demonstrate this ability and show how the algorithm can distinguish, during twilight, between the signals of a streetlight that flicker with frequency of 100 Hz, and sun glitter originating from windows in far-away buildings in the field of view. この能力を実証し、トワイライトの間、100Hzの周波数でフリックする街灯の信号と、視野の遠い建物で窓から発する太陽の輝きとを、アルゴリズムがどのように区別できるかを示す。 0.71
Introduction The common approach to distinguish between signals of a given frequency and random flickering is based on the use of Fourier transform. はじめに 与えられた周波数の信号とランダムなフリッカリングを区別するための一般的なアプローチは、フーリエ変換の使用に基づいている。 0.63
In particular, using frame-based cameras, one needs to sample the signal at a rate higher than double the desired frequency (due to the Nyquist criterion). 特にフレームベースのカメラでは、(ナイキストの基準により)所望の周波数の2倍以上の速度で信号をサンプリングする必要がある。 0.74
This approach works nicely when the desired signal is not too fast, and not too short. このアプローチは、所望の信号が速すぎず、短すぎない場合にうまく機能する。 0.74
However, if the frequency of the signal is higher than ~1 kHz, then sampling it with a frame-based camera and analyzing it with this approach can become quite cumbersome, and if the signal is too short, one might miss it altogether due to the inherent camera dead time. しかし、信号の周波数が約1khz以上であれば、フレームベースのカメラでサンプリングして、このアプローチで分析するのは、かなり面倒になり、信号が短すぎると、固有のカメラのデッドタイムのためにそれを見逃してしまう可能性がある。 0.74
We got so used to this approach that it takes a bit of thinking in order to realize that using the deep theory of Fourier transform for this mission sounds like using a 5 kilo hammer in order to knock a nail. このアプローチに慣れたので、このミッションにフーリエ変換の深い理論を使うことは、釘を打ち倒すのに5キロのハンマーを使うように聞こえることには、少し考える必要があります。
訳抜け防止モード: 私たちはこのアプローチに慣れているので、それを実現するには少し考える必要があります。 このミッションのためにフーリエ変換の深い理論を用いる 釘を打つために 5キロのハンマーを使うようだ
0.77
The asynchronous bio-inspired paradigm of event cameras (see [2] and [4] for review) offers an approach that sounds much more natural and intuitive: to check whether the time difference between adjacent events in a certain pixel corresponds to the desired frequency. イベントカメラの非同期なバイオインスパイアされたパラダイム(レビューでは[2]と[4]を参照)は、より自然で直感的に聞こえるアプローチを提供する。
訳抜け防止モード: 非同期バイオ - イベントカメラのパラダイム( レビューは[2 ]と[4 ]を参照してください。 )より自然で直感的に聞こえるアプローチを提供する ある画素における隣接イベント間の時間差が所望の周波数に対応するかどうかをチェックする。
0.75
This approach is inherently more intuitive as it is the way human vision works to detect repetitive signals. このアプローチは、人間の視覚が繰り返し信号を検出する方法であるため、本質的に直感的である。
訳抜け防止モード: このアプローチは本質的に直感的である 人間の視覚が繰り返し信号を検出する方法です
0.80
Adapting this approach to an event camera, one can easily surpass the 1 kHz limit, without missing a short signals, as event-cameras do not have a dead time. イベントカメラへのこのアプローチの適用は、イベントカメラがデッドタイムを持たないため、短い信号を失うことなく、簡単に1kHzの制限を超えることができる。 0.80
See [1] for previous work based on this approach, and [3] for event driven Fourier transform approach. このアプローチに基づく以前の作業については[1]、イベント駆動フーリエ変換アプローチでは[3]を参照してください。 0.78
In this paper, we use the notion of a "time-surface" (see [2] and references 21, 80, 109114 therein) and present an asynchronous event-based building block algorithm to distinguish between signals of a given frequency and random flickering, based on this intuitive approach. 本稿では、この直感的アプローチに基づいて、時間表面の概念([2]参照21,80,109114参照)を用いて、所定の周波数の信号とランダムなフレッカリングを区別する非同期イベントベースビルディングブロックアルゴリズムを提案する。
訳抜け防止モード: 本稿では,「時間-表面」という概念を用いる。 21, 80, 109114 を参照)。 そして非同期イベントベースのビルディングブロックアルゴリズムを提案する この直感的なアプローチに基づいて、与えられた周波数の信号とランダムなフリックを区別する。
0.79
Then, we analyze the algorithm, and show how to use its output wisely to make the distinction. そして,そのアルゴリズムを解析し,その出力を賢明に利用して区別を行う方法を示す。 0.84
We say that this algorithm is a "building block", as it is very easy to change and adjust to accommodate a specific mission. このアルゴリズムは,特定のミッションに合わせて変更や調整が極めて容易であるため,“ビルディングブロック”である,と私たちは述べている。 0.84
1 1 0.43
英語(論文から抽出)日本語訳スコア
At the end of the paper we demonstrate the algorithm performance, using the presented analysis, and show how it distinguishes between the periodic signals of street lights flickering at 100 Hz, and other random signals during twilight, when many objects in the field of view are flickering as a result of sun glittering. 論文の最後には、提示された解析を用いてアルゴリズムの性能を実証し、100Hzで点灯する街路灯の周期的な信号と、視界の多くの物体が点灯して点灯しているトワイライト中の他のランダムな信号とを区別する方法を示す。 0.74
Description of the algorithm For the sake of simplicity, we consider only the positive events. アルゴリズムの説明 単純さのため、ポジティブな出来事のみを考慮する。 0.61
However, depending on the application, one can take the negative events instead, or consider both polarities. しかし、アプリケーションによっては、代わりに負のイベントを取るか、両方の極性を考えることができる。 0.64
Therefore, the input of the algorithm is the list of positive events generated by the event camera したがって、アルゴリズムの入力は、イベントカメラが生成した陽性事象のリストである。 0.81
𝐿 = {(𝑡𝑖, 𝑥𝑖, 𝑦𝑖) | 𝑖 = 1, … , 𝑘} 𝐿 = {(𝑡𝑖, 𝑥𝑖, 𝑦𝑖) | 𝑖 = 1, … , 𝑘} 0.42
where 𝑡𝑖 is the 𝑖-th event timestamp, (𝑥𝑖, 𝑦𝑖) is its pixel location and 𝑘 is the number of events. ti は i 番目のイベントタイムスタンプで (xi, yi) はピクセル位置、k はイベントの数です。
訳抜け防止モード: ti が i 番目のイベントタイムスタンプ、 (xi, yi) がそのピクセルの位置です。 そしてkはイベントの数です。
0.79
We define the two following variables, which we keep constant along the algorithm: アルゴリズムに沿って定数を保つ2つの変数を定義します。 0.68
1. 𝛿 ≔ the period of the signal we are looking for. 1. δ は私たちが探している信号の周期である。 0.84
2. 𝜖 ≔ the error we take into account in the period of the signal. 2. ε ... 信号の周期で考慮する誤差。 0.53
Typical value for this variable should be the expected rise time of the signal. 典型的な値 この変数は信号の上昇時間として期待される。 0.81
As mentioned in the introduction, we use the notion of "time surface". 紹介で述べたように、私たちは"時間表面"という概念を使います。 0.75
Namely, in the initialization of the algorithm, we define a 2D array which we initialize its entries arbitrarily to be a some negative number, smaller than – 𝛿 − 𝜖. すなわち、アルゴリズムの初期化において、2D配列を定義して、そのエントリを任意の負の数として初期化し、−δ − ε よりも小さくする。 0.79
We denote it by 𝑇𝑆, and we update it along the algorithm to store the last timestamp of a positive event reported by each of the pixels. 我々はTSで表現し、アルゴリズムに沿って更新し、各ピクセルから報告された正のイベントの最後のタイムスタンプを格納する。 0.69
The output of the algorithm is a sub-list 𝐿𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐 ⊆ 𝐿, sorted from 𝐿, using a for-loop going along 𝑖 = 1, … , 𝑘, implementing the following orders: アルゴリズムの出力は、i = 1, ... , k に沿って進むforループを用いて、L からソートされたサブリスト L 周期 L である。
訳抜け防止モード: アルゴリズムの出力は、サブ-リスト L 周期 L, i = 1 に沿って進むfor-ループを使って、L からソートする。 …, 𝑘, 以下の命令を実行します
0.85
1. If |𝑡𝑖 − 𝑇𝑆𝑥𝑖,𝑦𝑖 − 𝛿| < 𝜖, then add (𝑡𝑖, 𝑥𝑖, 𝑦𝑖) to 𝐿𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐. 1. |ti − TSxi,yi − δ| < ε ならば、(ti, xi, yi) を L periodic に追加する。 0.83
2. 𝑇𝑆𝑥𝑖,𝑦𝑖: = 𝑡𝑖. 2. 𝑇𝑆𝑥𝑖,𝑦𝑖: = 𝑡𝑖. 0.42
This building block of the algorithm by itself does not decide whether we have found the desired periodic signal. アルゴリズム自体のこの構築ブロックは、所望の周期信号が見つかったかどうかを判断しない。 0.81
This is done afterwards, by picking the pixels that the number of events in 𝐿𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐 associated to them are surpassing a threshold, as described below. 以下で示すように、それに関連する周期的事象の数がしきい値を超えている画素を選択することによって、この処理を行う。 0.62
Algorithm analysis We want to explain how to use the algorithm in order to distinguish between the desired periodic signal, and all the other random flickering. アルゴリズム解析 我々は、望ましい周期信号と他の全てのランダムなフリックを区別するためにアルゴリズムの使い方を説明したい。 0.75
In order to do that, after implementing the algorithm on the recording, for each pixel, we evaluate the number 𝑚 of events reported by the pixel during the recording, and the number 𝑛 of events related to the pixel in 𝐿𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐 . そのため,記録にアルゴリズムを実装した上で,各画素に対して,記録中の画素が報告した事象数mと,L周期における画素に関連する事象数nを評価する。 0.71
Note that this information can be easily evaluated during the same for-loop of the algorithm. この情報は、アルゴリズムの同じforループ中に容易に評価できる。 0.66
2 2 0.42
英語(論文から抽出)日本語訳スコア
Now, if our recording is 𝑇 seconds long, and the events reported by a certain pixel are さて、録音がT秒で、あるピクセルで報告されたイベントは、 0.56
due the desired periodic signal, we expect 𝑛 to be close to 所望の周期信号により nが近いと期待しています 0.77
𝑇 𝛿 , or at least big enough so 𝑇 𝛿 あるいは少なくとも十分大きいので 0.54
it will be unlikely to relate it to a random flickering signal. ランダムなフリック信号と関連付けることはありそうにない。 0.57
How big should it be? どのくらいの大きさか? 0.75
This is exactly what we are analyzing below. これはまさに、私たちが分析しているものです。 0.60
So suppose that we sampled 𝑚 random exponential distributed events with parameter 𝜆 , in a certain pixel. したがって、あるピクセルでパラメータ λ で m 個のランダムな指数的分散イベントをサンプリングしたと仮定する。 0.71
Assume that along the for-loop of the algorithm we have encountered an event associated to the pixel with a timestamp 𝑡. アルゴリズムのforループに沿って、タイムスタンプtのピクセルに関連するイベントが発生したと仮定する。 0.73
Assume also that this is not the first event reported by this pixel. これは、このピクセルが報告した最初の出来事ではない。 0.67
Then, assuming that 𝜖 ≤ 𝛿 and following the algorithm described above, the probability of adding this event to 𝐿𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐 is given by the formula そして ε ≤ δ と仮定し、上記のアルゴリズムに従うと、この事象をL periodic に追加する確率は式によって与えられる。 0.79
𝑃̃(𝛿, 𝜖, 𝜆) = ∫ 𝜆𝑒−𝜆𝑠 ⋅ 𝑑𝑠 𝑃̃(𝛿, 𝜖, 𝜆) = ∫ 𝜆𝑒−𝜆𝑠 ⋅ 𝑑𝑠 0.49
= (𝑒 𝜆𝜖 − 𝑒−𝜆𝜖)𝑒−𝜆𝛿. = (𝑒 𝜆𝜖 − 𝑒−𝜆𝜖)𝑒−𝜆𝛿. 0.42
𝛿+𝜖 𝛿−𝜖 However, as we do not know the value of 𝜆, this probability should be weighted by the probability of having 𝑚 events given a Poisson distribution with parameter 𝜌 = 𝜆 ⋅ 𝑇. 𝛿+𝜖 𝛿−𝜖 しかし、λ の値が分かっていないので、この確率はパラメータ ρ = λ ⋅ t のポアソン分布が与えられる m 事象を持つ確率によって重み付けされるべきである。 0.48
Hence, given the fact that we only know the number 𝑚 and not the parameter 𝜆, the probability of an event to be added to 𝐿𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐 is given by したがって、数 m だけを知っていてパラメータ λ を知らないという事実を考えると、l periodic に追加される事象の確率は与えられる。 0.78
𝑃(𝛿, 𝜖, 𝑚, 𝑇) = ∫ 𝑃̃(𝛿, 𝜖, 𝜆) ⋅ 𝑃(𝛿, 𝜖, 𝑚, 𝑇) = ∫ 𝑃̃(𝛿, 𝜖, 𝜆) ⋅ 0.42
∞ 𝜌𝑚𝑒−𝜌 𝑚! ∞ 𝜌𝑚𝑒−𝜌 𝑚! 0.38
⋅ 𝑑𝜌 0 ∞ = 𝑇 ∫ ⋅ 𝑑𝜌 0 ∞ = 𝑇 ∫ 0.43
0 (𝜆𝑇)𝑚(𝑒−𝜆(𝑇+𝛿−𝜖) − 𝑒−𝜆(𝑇+𝛿+𝜖)) 0 (𝜆𝑇)𝑚(𝑒−𝜆(𝑇+𝛿−𝜖) − 𝑒−𝜆(𝑇+𝛿+𝜖)) 0.38
𝑚! ⋅ 𝑑𝜆. Then, using repeatedly the method of integration by parts, one gets that 𝑚! ⋅ 𝑑𝜆. そして、部品による積分の手法を繰り返すと、それを得られる。 0.52
𝑃(𝛿, 𝜖, 𝑚, 𝑇) = 𝑇𝑚+1 ( 𝑃(𝛿, 𝜖, 𝑚, 𝑇) = 𝑇𝑚+1 ( 0.49
1 (𝑇 + 𝛿 − 𝜖)𝑚+1 − 1 (𝑇 + 𝛿 − 𝜖)𝑚+1 − 0.46
1 (𝑇 + 𝛿 + 𝜖)𝑚+1). 1 (𝑇 + 𝛿 + 𝜖)𝑚+1). 0.46
Hence, omitting the first event reported by the pixel, the probability of at least 𝑁 events out of 𝑀 = 𝑚 − 1 to be added to 𝐿𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐 is given by したがって、ピクセルによって報告された最初の事象を省略すると、M = m − 1 から少なくとも N 個の事象が L 周期に付加される確率は与えられる。 0.69
𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑁) = ∑ ( 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑁) = ∑ ( 0.42
𝑚−1 𝑙=𝑁 𝑚 − 1 𝑚−1 𝑙=𝑁 𝑚 − 1 0.34
𝑙 ) 𝑃(𝛿, 𝜖, 𝑚, 𝑇)𝑙(1 − 𝑃(𝛿, 𝜖, 𝑚, 𝑇)) 𝑙 ) 𝑃(𝛿, 𝜖, 𝑚, 𝑇)𝑙(1 − 𝑃(𝛿, 𝜖, 𝑚, 𝑇)) 0.42
𝑚−1−𝑙 . Remark: In Appendix 2, we show that in certain cases, a good approximation for 𝑃(𝛿, 𝜖, 𝑚, 𝑇) can be given by the value of 𝑃̃ (𝛿, 𝜖, 𝑚−1−𝑙 . 注: Appendix 2 では、ある場合には P(δ, ε, m, T) に対するよい近似が P の値 (δ, ε, T) によって与えられることを示す。 0.47
). This is not far from the ). これはそれほど遠くない。 0.56
𝑚+1 𝑇 intuitive sense that in high probability, the parameter 𝜆 is close to the value 𝜆 = 𝑚+1 𝑇 高確率では、パラメータ λ は値 λ = に近いという直観的な感覚 0.53
𝑚 𝑇 . Assume now that we allow false alarm in a pixel up to probability 𝑞. 𝑚 𝑇 . 現在、ピクセル内の偽アラームを確率 q まで許容していると仮定する。 0.49
We note that in general, 𝑞 should be much smaller than the allowed probability for false alarm in the whole field of view. 一般に、q は視野全体における偽アラームの許容確率よりもはるかに小さいはずである。 0.61
Then, as 𝑄 is monotonically descending as function of 𝑁, there exists a minimal threshold 𝑁, such that 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑁) ≤ 𝑞. このとき、Q は N の函数として単調に下降するので、Q(δ, ε, m, T, N) ≤ q となるような最小のしきい値 N が存在する。 0.81
For this specific threshold 𝑁 we get that the probability of a pixel with 𝑁 ≤ 𝑛 events in 𝐿𝑝𝑒𝑟𝑖𝑜𝑑𝑖𝑐 out of 𝑚 events in total, to falsely be considered as the desired periodic signal, is smaller than 𝑞. この特定のしきい値 N に対して、合計 m 個の事象のうち、N ≤ n 個の事象を持つ画素の確率は、望まれる周期的信号として誤ったものとみなすことができ、q よりも小さい。 0.68
3 3 0.42
英語(論文から抽出)日本語訳スコア
Thus, in order to ensure that the signal in the pixel corresponds to the desired period with high enough probability, we need to check whether 𝑛 is at least 𝑁 or not. したがって、画素内の信号が十分に高い確率で所望の周期に対応することを保証するためには、n が少なくとも N であるかどうかを確認する必要がある。 0.77
In the following lines, we explain how to answer this question without evaluating 𝑁 directly. 次の行では、Nを直接評価することなく、この質問に答える方法について説明する。 0.63
Observe first that we have 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) ≤ 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑁) ⇔ 𝑁 ≤ 𝑛. 最初に観察する 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) ≤ 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑁) ⇔ 𝑁 ≤ 𝑛. 0.47
However, as by definition, 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑁) is the maximal value of 𝑄 under the restriction 𝑄 ≤ 𝑞 for these specific parameters 𝛿, 𝜖, 𝑇, 𝑀, we actually get that in order to check whether 𝑁 ≤ 𝑛, all we need is to check the validity of the inequality しかし、定義によれば、Q(δ, ε, m, T, N) はこれらの特定のパラメータ δ, ε, T, M に対する制限 Q ≤ q の下での Q の最大値であり、N ≤ n かどうかを確認するためには、不等式の有効性を確認する必要がある。 0.90
In other words, the value of 𝑄 = 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) measures if the signal satisfies the allowed probability for false alarm. 言い換えると、q = q(δ, ε, m, t, n) の値は、信号が誤警報の許容確率を満たすかどうかを測定する。 0.79
𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) ≤ 𝑞. 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) ≤ 𝑞. 0.43
Experiment In general, the algorithm has better performance with detecting fast rising periodic signals, as in these cases one can choose the error parameter 𝜖 of the algorithm to be relatively small. 実験 一般に、アルゴリズムは、アルゴリズムの誤差パラメータεを比較的小さく選ぶことができるように、高速に上昇する周期的な信号を検出することで性能が向上する。 0.80
However, in order to feel its effectiveness lower bound, we demonstrate it here on the periodic signal of a streetlight powered by sinusoidal current of the electrical grid. しかし、その効果を低く感じるために、電気グリッドの正弦波電流によって駆動される街灯の周期的信号について実証する。 0.65
In this case, the rising time of the signal is basically half of the period. この場合、信号の上昇時間は基本的に周期の半分である。 0.67
Hence, if we do not want to miss any of the events related to the periodic signal, したがって、周期的な信号に関連する出来事を見逃したくないなら、
訳抜け防止モード: したがって、もし私たちが望まないなら 周期的な信号に関連する出来事を見逃すためです
0.81
we need to choose 𝜖 to its highest reasonable value, namely 𝜖 = ε を最も妥当な値、すなわち ε = に選ばなければならない。 0.85
𝛿 2 . In this case, as the 𝛿 2 . この場合は 0.42
frequency of the signal is 100 Hz, we have 𝛿 = 10 𝑚𝑠, and hence 𝜖 = 5 𝑚𝑠. 信号の周波数は 100 Hz であり、δ = 10 ms であり、ε = 5 ms である。 0.84
We note that by exploring the signal carefully, one might be able to give a better estimation for 注意深く信号を調べることで、より良い推定ができるかもしれないことに注意する。 0.75
the optimal 𝜖, but for the demonstration here we will content with 𝜖 = 最適 ε であるが、ここでのデモンストレーションは ε = で満足する。 0.83
𝛿 2 . Our experimental setup is built up of two cameras staring on approximately the same urban view: Prophesee Gen4 event-camera with resolution of 1M pixel, and a CMOS frame-camera for guidance. 𝛿 2 . 私たちの実験では、prophesee gen4イベントカメラ(1mピクセルの解像度)とcmosフレームカメラ(誘導用)の2つのカメラで構成されています。 0.49
Figure 1 shows the intersection of the two cameras field of view, seen by the frame camera. 図1は、フレームカメラで見る2つのカメラの視野の交差点を示しています。 0.82
This intersection covers the field of view of approximately 1000×600 pixels of the event camera. この交差点は、イベントカメラの約1000×600ピクセルの視野をカバーする。 0.82
In Figure 1 we point out some well seen sun glittering coming from the buildings on the mountains, but there are also some intensive pixel size challenging sun glittering signals from the closer urban view that cannot be easily seen in the picture. 図1では、山の建物から太陽が輝く様子がよく見られるが、写真では見ることができないに近い都市部からの太陽の輝く信号に挑戦する画素サイズもある。 0.63
We also point out the location of a street light. 街灯の位置も指摘します。 0.44
Now, in order to demonstrate how the algorithm distinguishes between the periodic signal of the streetlight, and all the other events, we recorded one minute of the scene, i.e. 𝑇 = 1 𝑠 . さて、どのようにアルゴリズムが街灯の周期的信号と他の全てのイベントとを区別するかを示すために、我々はシーンの1分間、すなわち t = 1 s を記録しました。 0.82
Then, we applied the algorithm on the recording, and evaluated the function 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) for each pixel. そして,このアルゴリズムを記録に適用し,各画素の関数Q(δ, ε, m, T, n)を評価した。 0.77
4 4 0.42
英語(論文から抽出)日本語訳スコア
Sun glittering Street light Figure 1: The intersection of the frame-camera and event-camera field of view. 太陽の輝き 街灯 図1: フレームカメラとイベントカメラの視野の交差点。 0.63
The logarithmic graph in Figure 2 shows the number of pixels in the intersection field of view that reported more than 5 events during the recording, for which the probability function 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) is smaller than the value of the allowed probability for false alarm given in the horizontal axis. 図2の対数グラフは、記録中に5つ以上の事象を報告したビューの交叉領域における画素数を示し、その確率関数 Q(δ, ε, m, T, n) は水平軸に与えられる偽アラームの許容確率の値よりも小さい。 0.77
In addition, it shows how many pixels out of them, are related to the periodic signal of the streetlight. さらに、それらのうち何ピクセルが街灯の周期的な信号に関連しているかを示す。 0.73
Full field of view フル・フィールド・オブ・ビュー 0.56
Street light 1.00E+04 街灯 1.00E+04 0.33
1.00E+03 1.00E+02 1.00E+03 1.00e+02 0.24
1.00E+01 1.00E+00 1.00E+01 1.00E+00 0.17
I S L E X P F O R E B M U N 私 s l e x p f o r e b m u n である。 0.69
1.E+00 1.E-02 1.E+00 1.E-02 0.20
1.E-04 1.E-06 1.E-04 1.e-06 0.28
1.E-08 1.E-10 1.e-08 1.E-10 0.37
ALLOWED PROBABILITY FOR FALSE ALARM 偽アルアームの追従確率 0.56
Figure 2: Number of pixels with probability function value smaller than the allowed probability for false alarm. 図2: 偽アラームの許容確率よりも、確率関数値の小さい画素数。 0.73
The graph shows that when the probability for false alarm is smaller than 10−5, we remain with only 5 pixels that have enough events in the output of the algorithm, and all of them are related to the streetlight. このグラフは、誤報の確率が10−5より小さい場合、アルゴリズムの出力に十分なイベントを持つ5ピクセルしか残っていないことを示し、それら全てが街灯と関連していることを示している。 0.82
Moreover, the value of the probability function さらに確率関数の値も 0.60
5 5 0.43
英語(論文から抽出)日本語訳スコア
of these 5 pixels is at least 2 orders of magnitude less than 10−5. これらの5ピクセルのうち少なくとも2桁は10−5より小さい。 0.79
In other words, there is a very clear dichotomy between the probability function of these 5 pixels and the one of the other pixels. 言い換えれば、これらの5ピクセルの確率関数と他のピクセルの1つの間には、非常に明確な二分法がある。 0.70
Hence, these 5 pixels are very well distinguished by the algorithm and the analysis presented here. したがって、この5ピクセルはアルゴリズムと解析によって非常によく区別される。 0.74
One can also see in Figure 2 that there were additional 9 more pixels that have reported more than 5 events during the recording, and their events are related to the streetlight, but were flickering more weakly, and hence the algorithm could not distinguish them effectively from other random signals. 図2では、記録中に5つ以上のイベントを報告した9つ以上のピクセルがあり、それらのイベントは街灯に関連しているが、より弱くフリックしており、アルゴリズムは他のランダム信号と効果的に区別できなかったことも分かります。 0.81
In Table 1 we give the values of the variables that were involved in evaluating the probability function of all the pixels that responded to the flickering street light: the 5 distinguished pixels and the other 9 with weak signal, sorted according to the value of the probability function. 表1では、街灯に応答した全ての画素の確率関数を評価するのに関係した変数の値を示す: 5つの識別画素と他の9つの弱い信号は、確率関数の値に応じてソートされる。 0.80
We remark that by analyzing the periodic signals more carefully, one can find a better value for the error parameter 𝜖, say 𝜖 = 3 𝑚𝑠, and be able to add pixels 6-8 in Table 1 to the list of the distinguished pixels. 周期的な信号をより慎重に分析することで、ε = 3 ms といった誤差パラメータ ε に対してより良い値を見つけ、卓1 に 6-8 の画素を区別されたピクセルのリストに追加することができる。 0.84
We also remark that obviously, analyzing a longer recording can help to detect these pixels as well. また、より長い記録を分析することで、これらのピクセルの検出にも役立ちます。 0.70
Pixel 𝑚 554 506 160 376 342 132 188 89 26 80 96 22 10 9 Pixel 𝑚 554 506 160 376 342 132 188 89 26 80 96 22 10 9 0.43
1 2 3 4 5 6 7 8 9 10 11 12 13 14 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0.42
𝑛 99 98 98 99 99 66 76 41 2 20 24 0 0 0 𝑛 99 98 98 99 99 66 76 41 2 20 24 0 0 0 0.43
𝑄 ~ 10−16 𝑄 ~ 10−16 0.39
~ 2 ⋅ 10−16 ~ 3 ⋅ 10−11 ~ 6 ⋅ 10−9 ~ 2 ⋅ 10−16 ~ 3 ⋅ 10−11 ~ 6 ⋅ 10−9 0.40
~ 10−7 ~ 2 ⋅ 10−3 ~ 2 ⋅ 10−2 ~ 5 ⋅ 10−2 ~ 10−7 ~ 2 ⋅ 10−3 ~ 2 ⋅ 10−2 ~ 5 ⋅ 10−2 0.38
~1 ~1 ~1 ~1 ~1 ~1 ~1 ~1 ~1 ~1 ~1 ~1 0.32
Table 1: Variables of the pixels reacting to the signal of the street light. 表1:街路灯の信号に反応する画素の変動。 0.62
Appendix 1 Concentrating on the 5 distinguished pixels, one can see that for all of them we have 付録1 5つの傑出したピクセルに集中すると、それらすべてに対して私たちが持っていることが分かる。
訳抜け防止モード: 付録1 5つの傑出したピクセルに集中する。 私達が持っているもの全てに
0.69
98 ≤ 𝑛 ≤ 99 which is very close to the expected number 98 ≤ n ≤ 99 で、期待数に非常に近い。 0.81
𝑇 𝛿 = 100 , but 𝑚 varies 𝑇 𝛿 = 100 ですが m は異なります 0.55
between 160 ≤ 𝑚 ≤ 554. between 160 ≤ 𝑚 ≤ 554. 0.42
The reason 𝑚 is much higher than the expected number of events in the pixel, is that in each of the periods, the rise of signal triggered more than one event: as powerful as the signal was, more events were triggered in each of the periods. m がピクセル内の期待されるイベント数よりも大きい理由は、各周期において信号の上昇が複数のイベントをトリガーするからである。
訳抜け防止モード: m がピクセル内の期待されるイベント数よりはるかに高い理由。 それぞれの期間において、信号の上昇が複数のイベントをトリガーすること。 信号が強力であったように、各期間により多くの出来事が引き起こされた。
0.70
Now, focusing on the relation between 𝑚 and 𝑄, one can see that 𝑄 reached a higher value when 𝑚 = 342 (Pixel 5) than in the case 𝑚 = 160 (Pixel 3). さて、m と q の関係に焦点を当てると、m = 342 (ピクセル5) の場合、m = 160 (ピクセル3) の場合よりも q の方が高い値に達したことがわかる。 0.74
But after that, when we move from Pixel 5 to Pixel 4 and so on, when 𝑚 grows, 𝑄 becomes smaller. しかしその後、pixel 5からpixel 4などに移行すると、mが大きくなるとqは小さくなります。 0.69
This phenomenon is due to the intuitive understanding, that tuning the parameter 𝑚 influences the probability function 𝑄 in two opposite directions. この現象は、パラメータ m のチューニングが確率関数 Q に2つの反対方向に影響を与えるという直感的な理解が原因である。
訳抜け防止モード: この現象は直感的な理解が原因で パラメータ m のチューニングは2つの逆方向の確率関数 q に影響する。
0.86
From one hand, when 6 片手から、いつまで 6 0.48
英語(論文から抽出)日本語訳スコア
𝑚 grows it means that there are more events, and hence it should be easier to reach the threshold 𝑁, so 𝑄 should grow. m が成長するということは、より多くのイベントがあることを意味するため、しきい値 n に到達しやすいため、q は大きくなるべきである。 0.69
On the other hand, when 𝑚 grows, the rate grows as well, and hence the chance for a specific random event to be far from the previous one in the right interval gets smaller, so 𝑃 decreases, and hence 𝑄 should decrease also. 一方、m が成長すると、その速度も増加し、したがって、特定のランダム事象が正しい間隔で前の事象から遠くなる確率は小さくなるので、P は減少し、したがって Q も減少する。 0.65
This observation is summarized in the following proposition, showing that the function 𝑄 does encode these two opposite effects. この観察は以下の命題で要約され、函数 Q がこれらの2つの反対効果を符号化していることを示す。 0.61
Proposition: Given a specific value for the variables 𝛿, 𝜖, 𝑇, 𝑛, with 𝜖 ≤ 命題: ε ≤ の変数 δ, ε, T, n に対して特定の値を与える。 0.78
𝛿 2 and 𝑛 > 0, 𝛿 2 n > 0 である。 0.55
one has: In particular, 𝑄 reaches a maximum value as function of 𝑚. 一つは 特に、Q は m の関数として最大値に達する。 0.73
Proof: Writing 𝑃 = 𝑃(𝛿, 𝜖, 𝑚, 𝑇) and using the assumption 𝑛 > 0, one has 証明: P = P(δ, ε, m, T) を書き、n > 0 の仮定を用いる。 0.71
lim 𝑚→0 𝑄 = lim 𝑚→∞ lim m→0 Q = lim m→∞ 0.39
𝑄 = 0. 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) = ∑ ( 𝑄 = 0. 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) = ∑ ( 0.43
𝑚−1 𝑚 − 1 𝑙 𝑚−1 𝑚 − 1 𝑙 0.38
) 𝑃𝑙(1 − 𝑃)𝑚−1−𝑙 ) 𝑃𝑙(1 − 𝑃)𝑚−1−𝑙 0.41
𝑙=𝑛 𝑚−1 = 𝑃 ⋅ ∑ ( 𝑙=𝑛 𝑚−1 = 𝑃 ⋅ ∑ ( 0.34
𝑙=𝑛 𝑚−2 = 𝑃 ⋅ ∑ 𝑙=𝑛 𝑚−2 = 𝑃 ⋅ ∑ 0.34
𝑙=𝑛−1 𝑚−2 𝑚 − 1 𝑙=𝑛−1 𝑚−2 𝑚 − 1 0.31
𝑙 ) 𝑃𝑙−1(1 − 𝑃)𝑚−1−𝑙 𝑙 ) 𝑃𝑙−1(1 − 𝑃)𝑚−1−𝑙 0.39
𝑚 − 1 𝑙 + 1 𝑚 − 1 𝑙 + 1 0.43
⋅ ( 𝑚 − 2 𝑙 ⋅ ( 𝑚 − 2 𝑙 0.43
) 𝑃𝑙(1 − 𝑃)𝑚−𝑙−2 = ) 𝑃𝑙(1 − 𝑃)𝑚−𝑙−2 = 0.42
≤ 𝑃 ⋅ 𝑚 ⋅ ∑ ( ≤ 𝑃 ⋅ 𝑚 ⋅ ∑ ( 0.43
𝑙=𝑛−1 𝑚 − 2 𝑙=𝑛−1 𝑚 − 2 0.31
𝑙 ) 𝑃𝑙(1 − 𝑃)𝑚−𝑙−2 𝑙 ) 𝑃𝑙(1 − 𝑃)𝑚−𝑙−2 0.42
= 𝑃 ⋅ 𝑚 ⋅ 𝑄(𝛿, 𝜖, 𝑚 − 1, 𝑇, 𝑛 − 1) ≤ 𝑃 ⋅ 𝑚 1 = 𝑃 ⋅ 𝑚 ⋅ 𝑄(𝛿, 𝜖, 𝑚 − 1, 𝑇, 𝑛 − 1) ≤ 𝑃 ⋅ 𝑚 1 0.43
1 = 𝑚 ⋅ 𝑇𝑚+1 ( 1 = 𝑚 ⋅ 𝑇𝑚+1 ( 0.43
(𝑇 + 𝛿 − 𝜖)𝑚+1 − (𝑇 + 𝛿 − 𝜖)𝑚+1 − 0.49
(𝑇 + 𝛿 + 𝜖)𝑚+1) (𝑇 + 𝛿 + 𝜖)𝑚+1) 0.49
𝑚→0 → 0. 𝑚→0 → 0. 0.42
As we assume that 𝜖 ≤ ε ≤ と仮定すると 0.70
𝛿 2 , we have 𝛿 − 𝜖 > 0, and hence we also have 𝛿 2 δ − ε > 0 であり、従って δ − ε > 0 である。 0.51
𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) ≤ 𝑄(𝛿, 𝜖, 𝑚, 𝑇, 𝑛) ≤ 0.42
𝑚 ⋅ 𝑇𝑚+1 (𝑇 + 𝛿 − 𝜖)𝑚+1 = 𝑚 ⋅ 𝑇𝑚+1 (𝑇 + 𝛿 − 𝜖)𝑚+1 = 0.44
𝑚 (1 + 𝛿 − 𝜖 𝑚 (1 + 𝛿 − 𝜖 0.43
𝑇 ) 𝑚→∞ → 0 𝑇 ) 𝑚→∞ → 0 0.41
𝑚+1 As required. 𝑚+1 必要に応じて 0.51
Appendix 2 We want to show here that 𝑃̃ (𝛿, 𝜖, when 𝑚 is not too big and 𝛿 ≪ 𝑇 . 付録2 ここで m が大きすぎないとき、p は (δ, ε) であり、δ は t であることを示す。 0.67
Using the aforementioned assumption, we can expand the expressions for 𝑃 and 𝑃̃ as shown below. 上記の仮定を用いて、以下のように P と P の式を拡張することができる。 0.73
) gives good approximation to 𝑃(𝛿, 𝜖, 𝑚, 𝑇) ) P(δ, ε, m, T) によい近似を与える 0.83
𝑇 𝑚+1 This computation shows that up to the second order of the expansions, the difference between the expressions is big as (𝑚 + 1) 2𝜖𝛿 𝑇2 , which is small under the aforementioned assumptions. 𝑇 𝑚+1 この計算により、展開の2階まで、式間の差は (m + 1) 2εδ t2 のように大きいことが示され、これは上記の仮定の下では小さい。 0.49
7 7 0.42
英語(論文から抽出)日本語訳スコア
𝑃(𝛿, 𝜖, 𝑚, 𝑇) = 𝑃(𝛿, 𝜖, 𝑚, 𝑇) = 0.42
(1 + ∞ = ∑ (1 + ∞ = ∑ 0.43
𝑘=0 1 𝛿 − 𝜖 𝑘=0 1 𝛿 − 𝜖 0.38
𝑇 ) 𝑚+1 − (1 + 𝑇 ) 𝑚+1 − (1 + 0.41
(𝑚 + 𝑘)! 𝑘! (𝑚 + 𝑘)! 𝑘! 0.42
⋅ 𝑚! (( 𝑇 𝑚+1 ⋅ 𝑚! (( 𝑇 𝑚+1 0.39
) 1 𝛿 + 𝜖 𝑇 𝑘 ) 1 𝛿 + 𝜖 𝑇 𝑘 0.43
) − ( −𝛿 + 𝜖 ) − ( −𝛿 + 𝜖 0.44
−𝛿 − 𝜖 𝑘 ) −𝛿 − 𝜖 𝑘 ) 0.45
) 𝑇 ≈ (𝑚 + 1) ⋅ ) 𝑇 ≈ (𝑚 + 1) ⋅ 0.43
2𝜖 𝑇 + (𝑚 + 2)(𝑚 + 1) ⋅ 2𝜖 𝑇 + (𝑚 + 2)(𝑚 + 1) ⋅ 0.43
2𝜖𝛿 𝑇2 𝑃̃ (𝛿, 𝜖, 2𝜖𝛿 𝑇2 𝑃̃ (𝛿, 𝜖, 0.39
𝑚 + 1 𝑚+1 ) = 𝑒 𝑚 + 1 𝑚+1 ) = 𝑒 0.38
𝑇 (𝜖−𝛿) − 𝑒− 𝑇 (𝜖−𝛿) − 𝑒− 0.41
𝑚+1 𝑇 (−𝜖−𝛿) 𝑚+1 𝑇 (−𝜖−𝛿) 0.35
𝑇 ∞ = ∑ 𝑘=0 𝑇 ∞ = ∑ 𝑘=0 0.39
(𝑚 + 1)𝑘 𝑘! (𝑚 + 1)𝑘 𝑘! 0.42
(( −𝛿 + 𝜖 𝑇 (( −𝛿 + 𝜖 𝑇 0.44
𝑘 ) −𝛿 − 𝜖 𝑘 ) −𝛿 − 𝜖 0.45
𝑘 ) ) − ( 𝑇 𝑘 ) ) − ( 𝑇 0.43
≈ (𝑚 + 1) ⋅ ≈ (𝑚 + 1) ⋅ 0.42
2𝜖 𝑇 + (𝑚 + 1)2 ⋅ 2𝜖 𝑇 + (𝑚 + 1)2 ⋅ 0.43
2𝜖𝛿 𝑇2 References 2𝜖𝛿 𝑇2 参考文献 0.51
1. A. Censi, J. Strubel, C. Brandli, T. Delbruck and D. Scaramuzza, "Low-latency localization by Active LED Markers tracking using a Dynamic Vision Sensor," 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 1. A. Censi, J. Strubel, C. Brandli, T. Delbruck, D. Scaramuzza, “Low-latency Localization by Active LED Markers tracking using a Dynamic Vision Sensor”. IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 2013
訳抜け防止モード: 1. A. Censi, J. Strubel, C. Brandli, T. Delbruck D. Scaramuzza氏は,“ダイナミックビジョンセンサを用いたアクティブLEDマーカトラッキングによる低レイテンシローカライゼーション”について述べている。 2013 IEEE / RSJ International Conference on Intelligent Robots and Systems,pp
0.60
891-898, 2013. 891-898, 2013. 0.42
2. G. Gallego, T. Delbruck, G. Orchard, C. Bartolozzi, B. Taba, A. Censi, S. Leutenegger, A. J. Davison, J. Conradt, K. Daniilidis and D. Scaramuzza, "Eventbased Vision: A Survey," IEEE transactions on pattern analysis and machine intelligence, vol. 2. G. Gallego, T. Delbruck, G. Orchard, C. Bartolozzi, B. Taba, A. Censi, S. Leutenegger, A. J. Davison, J. Conradt, K. Daniilidis, D. Scaramuzza, "Eventbased Vision: A Survey", IEEEのパターン分析とマシンインテリジェンスに関するトランザクション。 0.69
44, no. 1, pp. 154-180, 2020. 44, No. 1, pp. 154-180, 2020。 0.48
3. Q. Sabatier, S. 3. Q. Sabatier, S。 0.45
-H. Ieng and R. Benosman, "Asynchronous Event-Based Fourier Analysis," IEEE Transactions on Image Processing, vol. -h。 ieng と r. benosman, "asynchronous event-based fourier analysis", ieee transactions on image processing, vol.2 (英語) 0.70
26, no. 5, pp. 2192-2202, 2017. 26 no. 5, pp. 2192-2202, 2017年。 0.89
4. M. H. Tayarani-Najaran and M. Schmuker, "Event-Based Sensing and Signal Processing in the Visual, Auditory, and Olfactory Domain: A Review," Frontiers in Neural Circuits, vol. 4. M. H. Tayarani-Najaran, M. Schmuker, "Event-based Sensing and Signal Processing in the Visual, Auditory and Olfactory Domain: A Review", Frontiers in Neural Circuits, Vol.
訳抜け防止モード: 4. m. h. tayarani - najaran and m. schmuker, "イベントに基づくセンシング" 視覚・聴覚・嗅領域における信号処理 : レビュー」 神経回路におけるフロンティア
0.54
15, 2021. 15, 2021. 0.42
David El-Chai Ben-Ezra, Remote Sensing Department, Soreq NRC, Yavne, Israel 81800 (davidbe@soreq.gov.i l) David El-Chai Ben-Ezra, Remote Sensing Department, Soreq NRC, Yavne, Israel 81800 (davidbe@soreq.gov.i l) 0.43
Ron Arad, Remote Sensing Department, Soreq NRC, Yavne, Israel 81800 (fnarad@soreq.gov.il ) Ron Arad, Remote Sensing Department, Soreq NRC, Yavne, Israel 81800 (fnarad@soreq.gov.il ) 0.49
Ayelet Padowicz, Remote Sensing Department, Soreq NRC, Yavne, Israel 81800 (ayeletp@soreq.gov.i l) Ayelet Padowicz, Remote Sensing Department, Soreq NRC, Yavne, Israel 81800 (ayeletp@soreq.gov.i l) 0.49
Israel Tugendhaft, Remote Sensing Department, Soreq NRC, Yavne, Israel 81800 (tugen@soreq.gov.il) イスラエル・トゥゲンダフト, 遠隔センシング部門, ソレク NRC, ヤヴネ, イスラエル 81800 (tugen@soreq.gov.il) 0.81
8 8 0.42
                 ページの最初に戻る

翻訳にはFugu-Machine Translatorを利用しています。