Fugu-MT 論文翻訳(概要): Event-based Action Recognition Using Timestamp Image Encoding Network

論文の概要: Event-based Action Recognition Using Timestamp Image Encoding Network

arxiv url: http://arxiv.org/abs/2009.13049v1
Date: Mon, 28 Sep 2020 03:48:14 GMT
ステータス: 処理完了
システム内更新日: 2022-10-13 21:58:00.873053
Title: Event-based Action Recognition Using Timestamp Image Encoding Network
Title（参考訳）: タイムスタンプ画像符号化ネットワークを用いたイベントベース行動認識
Authors: Chaoxing Huang
Abstract要約: イベントカメラは、低消費電力の非同期で高周波の視覚センサである。本稿では,イベントデータの空間時空間画像を入力とし,動作ラベルを出力する2Dネットワークを符号化するタイムスタンプ画像を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Event camera is an asynchronous, high frequency vision sensor with low power consumption, which is suitable for human action recognition task. It is vital to encode the spatial-temporal information of event data properly and use standard computer vision tool to learn from the data. In this work, we propose a timestamp image encoding 2D network, which takes the encoded spatial-temporal images of the event data as input and output the action label. Experiment results show that our method can achieve the same level of performance as those RGB-based benchmarks on real world action recognition, and also achieve the SOTA result on gesture recognition.
Abstract（参考訳）: イベントカメラは、人間の行動認識タスクに適した低消費電力の非同期で高周波な視覚センサである。イベントデータの時空間情報を適切にエンコードし、標準コンピュータビジョンツールを用いてデータから学習することが不可欠である。本研究では,イベントデータの空間時空間画像を入力とし,動作ラベルを出力する2Dネットワークを符号化するタイムスタンプ画像を提案する。実験の結果,本手法は実世界の行動認識におけるRGBベースベンチマークと同等の性能を示し,ジェスチャー認識におけるSOTA結果も達成できることがわかった。

関連論文リスト

SpikMamba: When SNN meets Mamba in Event-based Human Action Recognition [13.426390494116776]
人間の行動認識(HAR)は、ビデオ分析、監視、自律運転、ロボット工学、医療など、様々な分野で重要な役割を果たしている。ほとんどのHARアルゴリズムは、詳細な視覚情報をキャプチャするRGB画像から開発されている。イベントカメラは、全画像を撮影することなく、ピクセルレベルでのシーンの明るさ変化をわずかに捉えることで、有望な解決策を提供する。
論文参考訳（メタデータ） (2024-10-22T07:00:43Z)
Neuromorphic Synergy for Video Binarization [54.195375576583864]
バイモーダルオブジェクトは視覚システムによって容易に認識できる情報を埋め込む視覚形式として機能する。ニューロモルフィックカメラは、動きのぼかしを緩和する新しい機能を提供するが、最初にブルーを脱色し、画像をリアルタイムでバイナライズするのは簡単ではない。本稿では,イベント空間と画像空間の両方で独立に推論を行うために,バイモーダル目標特性の事前知識を活用するイベントベースバイナリ再構築手法を提案する。また、このバイナリ画像を高フレームレートバイナリビデオに伝搬する効率的な統合手法も開発している。
論文参考訳（メタデータ） (2024-02-20T01:43:51Z)
Graph-based Asynchronous Event Processing for Rapid Object Recognition [59.112755601918074]
イベントカメラは、各イベントがピクセル位置、トリガ時間、明るさの極性が変化するような非同期イベントストリームをキャプチャする。イベントカメラのための新しいグラフベースのフレームワーク、SlideGCNを紹介した。当社のアプローチでは、データをイベント単位で効率的に処理し、内部でグラフの構造を維持しながら、イベントデータの低レイテンシ特性を解放することが可能です。
論文参考訳（メタデータ） (2023-08-28T08:59:57Z)
EventTransAct: A video transformer-based framework for Event-camera based action recognition [52.537021302246664]
イベントカメラは、RGBビデオの標準アクション認識と比較して、新しい機会を提供する。本研究では,最初にイベントフレーム当たりの空間埋め込みを取得するビデオトランスフォーマーネットワーク(VTN)という,計算効率のよいモデルを用いる。イベントデータのスパースできめ細かい性質にVTNをよりよく採用するために、イベントコントラストロス(mathcalL_EC$)とイベント固有の拡張を設計する。
論文参考訳（メタデータ） (2023-08-25T23:51:07Z)
Dual Memory Aggregation Network for Event-Based Object Detection with Learnable Representation [79.02808071245634]
イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
論文参考訳（メタデータ） (2023-03-17T12:12:41Z)
How Many Events do You Need? Event-based Visual Place Recognition Using Sparse But Varying Pixels [29.6328152991222]
イベントカメラ研究の潜在的な応用の1つは、ロボットのローカライゼーションのための視覚的位置認識である。事象フレームに蓄積した画素位置における事象数に絶対的な差があることが、位置認識タスクに十分であることを示す。我々は,Brisbane-Event-VPRデータセットに対する提案手法を,新たに提案した屋内QCR-Event-VPRデータセットとともに屋外運転シナリオで評価した。
論文参考訳（メタデータ） (2022-06-28T00:24:12Z)
Bridging the Gap between Events and Frames through Unsupervised Domain Adaptation [57.22705137545853]
本稿では,ラベル付き画像とラベル付きイベントデータを用いてモデルを直接訓練するタスク転送手法を提案する。生成イベントモデルを利用して、イベント機能をコンテンツとモーションに分割します。われわれのアプローチは、イベントベースのニューラルネットワークのトレーニングのために、膨大な量の既存の画像データセットをアンロックする。
論文参考訳（メタデータ） (2021-09-06T17:31:37Z)
Event-based Timestamp Image Encoding Network for Human Action Recognition and Anticipation [0.0]
イベントデータの極性情報を入力としてエンコードした空間時空間画像を取り出し、アクションラベルを出力するタイムスタンプ画像符号化2Dネットワークを提案する。実験結果から,本手法は実世界行動認識におけるRGBベースのベンチマークと同等の性能を達成できることが示された。将来のタイムスタンプ画像生成モデルは、アクションが完了していない場合に予測精度を効果的に改善できます。
論文参考訳（メタデータ） (2021-04-12T00:43:31Z)
Event-based Asynchronous Sparse Convolutional Networks [54.094244806123235]
イベントカメラはバイオインスパイアされたセンサーで、非同期でスパースな「イベント」の形で画素ごとの明るさ変化に反応する。同期画像のようなイベント表現で訓練されたモデルを、同じ出力を持つ非同期モデルに変換するための一般的なフレームワークを提案する。理論的および実験的に、これは高容量同期ニューラルネットワークの計算複雑性と遅延を大幅に減少させることを示す。
論文参考訳（メタデータ） (2020-03-20T08:39:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。