論文の概要: Comparing Representations in Tracking for Event Camera-based SLAM

• arxiv url: http://arxiv.org/abs/2104.09887v1
• Date: Tue, 20 Apr 2021 10:41:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-21 13:30:02.825636
• Title: Comparing Representations in Tracking for Event Camera-based SLAM
• Title（参考訳）: イベントカメラを用いたSLAMにおける追跡表現の比較
• Authors: Jianhao Jiao and Huaiyang Huang and Liang Li and Zhijian He and Yilong Zhu and Ming Liu
• Abstract要約: 本稿では,イベントカメラを用いたトラッキングのための典型的な2つの画像型表現について検討する。 元のTSベースのトラッカーに基づいて、これらの2つの表現の相補的な強みを利用して拡張版を開発する。
• 参考スコア（独自算出の注目度）: 13.524943337648818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper investigates two typical image-type representations for event camera-based tracking: time surface (TS) and event map (EM). Based on the original TS-based tracker, we make use of these two representations' complementary strengths to develop an enhanced version. The proposed tracker consists of a general strategy to evaluate the optimization problem's degeneracy online and then switch proper representations. Both TS and EM are motion- and scene-dependent, and thus it is important to figure out their limitations in tracking. We develop six tracker variations and conduct a thorough comparison of them on sequences covering various scenarios and motion complexities. We release our implementations and detailed results to benefit the research community on event cameras: https: //github.com/gogojjh/ESVO_extension.
• Abstract（参考訳）: 本稿では,イベントカメラを用いた時間表面追跡(TS)とイベントマップ(EM)の2つの典型的な画像型表現について検討する。 元のTSベースのトラッカーに基づいて、これらの2つの表現の相補的な強みを利用して拡張版を開発する。 提案するトラッカーは,最適化問題のデジェネリティーをオンラインで評価し,適切な表現を切り替えるための一般的な戦略から構成される。 TSとEMはどちらも動きに依存しており、トラッキングの限界を理解することが重要である。 我々は6つのトラッカーのバリエーションを開発し、様々なシナリオや動きの複雑さをカバーするシーケンス上でそれらを徹底的に比較する。 我々は、イベントカメラの研究コミュニティに利益をもたらすために、実装と詳細な結果をリリースした。

関連論文リスト

• No Identity, no problem: Motion through detection for people tracking [48.708733485434394]
  本稿では,検出のみの監視を行いながら,動きの手がかりを利用する手法を提案する。 提案アルゴリズムは,2つの画像間の2次元運動推定とともに,2つの異なるタイミングで熱マップを検出する。 提案手法は,MOT17およびWILDTRACKデータセット上でのマルチターゲット・シングルビュー・マルチターゲット・トラッキングに対して,最先端の結果を提供する。
  論文  参考訳（メタデータ） (2024-11-25T15:13:17Z)
• GS-EVT: Cross-Modal Event Camera Tracking based on Gaussian Splatting [19.0745952177123]
  本稿では,モーショントラッキングにおけるイベントカメラの利用について検討する。 難解なダイナミクスと照明の下で、固有の堅牢性を備えたソリューションを提供する。 フレームベースのカメラから直接来る地図表現を追跡する。
  論文  参考訳（メタデータ） (2024-09-28T03:56:39Z)
• BlinkTrack: Feature Tracking over 100 FPS via Events and Images [50.98675227695814]
  本稿では,RGB画像とイベントデータを統合した新しいフレームワークであるBlinkTrackを提案する。 本手法は,従来のカルマンフィルタを学習ベースのフレームワークに拡張し,イベントおよびイメージの分岐において微分可能なカルマンフィルタを利用する。 実験の結果、BlinkTrackは既存のイベントベースの手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2024-09-26T15:54:18Z)
• Finding Meaning in Points: Weakly Supervised Semantic Segmentation for Event Cameras [45.063747874243276]
  本稿では,イベントベースセマンティックセマンティックセグメンテーションのための新しい弱教師付きアプローチEV-WSSSを提案する。 提案フレームワークは,(1)前向きのイベントデータと(2)逆向きのイベントデータとの間に非対称な二重学習を行う。 提案手法は,画素レベルの高密度地下真実に頼らずとも,かなりのセグメンテーション結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-07-15T20:00:50Z)
• MambaPupil: Bidirectional Selective Recurrent model for Event-based Eye tracking [50.26836546224782]
  事象に基づく視線追跡は、高時間分解能と低冗長性で非常に有望である。 点眼、固定、ササード、スムーズな追跡を含む眼球運動パターンの多様性と急激さは、眼球運動の局所化に重要な課題を提起する。 本稿では、文脈時空間情報を完全に活用するための双方向の長期シーケンスモデリングと時間変化状態選択機構を提案する。
  論文  参考訳（メタデータ） (2024-04-18T11:09:25Z)
• Cross-Modal Semi-Dense 6-DoF Tracking of an Event Camera in Challenging Conditions [29.608665442108727]
  イベントベースのカメラはバイオインスパイアされた視覚センサーであり、HDR条件でよく機能し、時間分解能が高い。 本研究は、代替センサのマッピングが許された場合、純粋にイベントベースのトラッキングの実現可能性を示す。 この手法は、半密度マップとイベントの幾何学的3D-2D登録に依存しており、信頼性が高く正確なクロスモーダル追跡結果が得られる。
  論文  参考訳（メタデータ） (2024-01-16T01:48:45Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• Multiple Convolutional Features in Siamese Networks for Object Tracking [13.850110645060116]
  Multiple Features-Siamese Tracker (MFST) は、ロバストな追跡のために複数の階層的な特徴マップを利用する新しい追跡アルゴリズムである。 MFSTは、オブジェクト追跡ベンチマークにおいて標準のサイメムトラッカーよりも高いトラッキング精度を達成する。
  論文  参考訳（メタデータ） (2021-03-01T08:02:27Z)
• Dense Scene Multiple Object Tracking with Box-Plane Matching [73.54369833671772]
  マルチオブジェクトトラッキング(MOT)はコンピュータビジョンにおいて重要なタスクである。 密集したシーンにおけるMOT性能を改善するために,Box-Plane Matching (BPM)法を提案する。 3つのモジュールの有効性により、ACM MM Grand Challenge HiEve 2020において、私たちのチームはトラック1のリーダーボードで1位を獲得しました。
  論文  参考訳（メタデータ） (2020-07-30T16:39:22Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。