論文の概要: Are High-Resolution Event Cameras Really Needed?

• arxiv url: http://arxiv.org/abs/2203.14672v1
• Date: Mon, 28 Mar 2022 12:06:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-29 15:28:02.614767
• Title: Are High-Resolution Event Cameras Really Needed?
• Title（参考訳）: 高解像度イベントカメラは本当に必要か?
• Authors: Daniel Gehrig and Davide Scaramuzza
• Abstract要約: 低照度条件や高速環境では、低解像度カメラは高解像度カメラより優れ、帯域幅は大幅に小さくなる。 この主張は,高解像度のイベントカメラが画素当たりのイベントレートが高いことを示す実証的証拠と理論的証拠の両方を提示する。 多くの場合、高解像度のイベントカメラは、これらの条件下では低解像度のセンサーに比べてタスク性能が低い。
• 参考スコア（独自算出の注目度）: 62.70541164894224
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to their outstanding properties in challenging conditions, event cameras have become indispensable in a wide range of applications, ranging from automotive, computational photography, and SLAM. However, as further improvements are made to the sensor design, modern event cameras are trending toward higher and higher sensor resolutions, which result in higher bandwidth and computational requirements on downstream tasks. Despite this trend, the benefits of using high-resolution event cameras to solve standard computer vision tasks are still not clear. In this work, we report the surprising discovery that, in low-illumination conditions and at high speeds, low-resolution cameras can outperform high-resolution ones, while requiring a significantly lower bandwidth. We provide both empirical and theoretical evidence for this claim, which indicates that high-resolution event cameras exhibit higher per-pixel event rates, leading to higher temporal noise in low-illumination conditions and at high speeds. As a result, in most cases, high-resolution event cameras show a lower task performance, compared to lower resolution sensors in these conditions. We empirically validate our findings across several tasks, namely image reconstruction, optical flow estimation, and camera pose tracking, both on synthetic and real data. We believe that these findings will provide important guidelines for future trends in event camera development.
• Abstract（参考訳）: 難易度の高い状況において、イベントカメラは自動車、計算写真、SLAMなど幅広い用途において欠かせないものとなっている。 しかし、センサ設計にさらなる改良が加えられるにつれて、現代のイベントカメラはより高分解能と高分解能のセンサーに向けられ、結果として下流タスクの帯域幅と計算能力が向上している。 この傾向にもかかわらず、標準的なコンピュータビジョンタスクを解決するために高解像度のイベントカメラを使用することの利点はまだ明確ではない。 本研究では,低照度と高速で低解像度のカメラは,帯域幅を著しく低くしながら高解像度のカメラよりも優れる,という驚くべき発見を報告する。 この主張は,高解像度のイベントカメラが1画素当たりのイベントレートが高く,低照度条件および高速時の時間ノイズが高くなることを示す実証的および理論的証拠である。 その結果、ほとんどの場合、高分解能イベントカメラはこれらの条件下での低分解能センサと比較してタスク性能が低い。 我々は,合成データと実データの両方において,画像再構成,光フロー推定,カメラポーズ追跡など,いくつかの課題において,実験的な検証を行った。 これらの発見は、イベントカメラ開発の今後のトレンドに重要なガイドラインを提供すると信じています。

関連論文リスト

• Deblur e-NeRF: NeRF from Motion-Blurred Events under High-speed or Low-light Conditions [56.84882059011291]
  動き赤外イベントからぼやけた最小のNeRFを再構成する新しい手法であるDeblur e-NeRFを提案する。 また,大きなテクスチャレスパッチの正規化を改善するために,新しいしきい値正規化全変動損失を導入する。
  論文  参考訳（メタデータ） (2024-09-26T15:57:20Z)
• Generalized Event Cameras [15.730999915036705]
  イベントカメラは、高解像度かつ最小の帯域幅で世界をキャプチャする。 我々は、帯域幅効率のよいシーン強度を本質的に保持する一般化イベントカメラを設計する。 私たちの単一光子イベントカメラは、低再生速度で高速で高忠実なイメージングを可能にします。
  論文  参考訳（メタデータ） (2024-07-02T21:48:32Z)
• Event Cameras Meet SPADs for High-Speed, Low-Bandwidth Imaging [25.13346470561497]
  イベントカメラと単光雪崩ダイオード(SPAD)センサーは、従来のカメラに代わる有望な代替手段として登場した。 これらの特性は相補的であり,低帯域幅で低照度かつ高速な画像再構成を実現するのに有効であることを示す。
  論文  参考訳（メタデータ） (2024-04-17T16:06:29Z)
• Robust e-NeRF: NeRF from Sparse & Noisy Events under Non-Uniform Motion [67.15935067326662]
  イベントカメラは低電力、低レイテンシ、高時間解像度、高ダイナミックレンジを提供する。 NeRFは効率的かつ効果的なシーン表現の第一候補と見なされている。 本稿では,移動イベントカメラからNeRFを直接かつ堅牢に再構成する新しい手法であるRobust e-NeRFを提案する。
  論文  参考訳（メタデータ） (2023-09-15T17:52:08Z)
• Real-Time Optical Flow for Vehicular Perception with Low- and High-Resolution Event Cameras [3.845877724862319]
  イベントカメラは、観測されたシーンにおける照明の変化を捉え、画像を作成するために光を蓄積する。 我々は,低解像度および高解像度のイベントカメラを用いて,光学的流れをリアルタイムに計算するための最適化フレームワークを提案する。 我々は,低解像度運転シーケンスと高解像度運転シーケンスの両方に対するアプローチを評価し,現状よりも優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-12-20T15:09:20Z)
• ESL: Event-based Structured Light [62.77144631509817]
  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あり、標準的なカメラよりも大きな利点がある。 本稿では,イベントカメラを用いた新しい構造化光システムを提案し,高精度かつ高速な深度センシングの課題に対処する。
  論文  参考訳（メタデータ） (2021-11-30T15:47:39Z)
• DSEC: A Stereo Event Camera Dataset for Driving Scenarios [55.79329250951028]
  本研究は,イベントカメラを用いた初の高分解能大規模ステレオデータセットを提案する。 データセットは、様々な照明条件で駆動により収集された53のシーケンスを含む。 イベントベースステレオアルゴリズムの開発と評価のための基礎的な真相の相違を提供する。
  論文  参考訳（メタデータ） (2021-03-10T12:10:33Z)
• Learning to Detect Objects with a 1 Megapixel Event Camera [14.949946376335305]
  イベントカメラは、高時間精度、低データレート、高ダイナミックレンジで視覚情報を符号化する。 フィールドの新規性のため、多くのビジョンタスクにおけるイベントベースのシステムの性能は、従来のフレームベースのソリューションに比べて依然として低い。
  論文  参考訳（メタデータ） (2020-09-28T16:03:59Z)
• Reducing the Sim-to-Real Gap for Event Cameras [64.89183456212069]
  イベントカメラは、非同期でピクセルごとの明るさ変化を報告し、非並列の低レイテンシで「イベント」と呼ばれるパラダイムシフトする新しいセンサーである。 近年の研究では、コンボリューショナルニューラルネットワーク(CNN)を用いて、映像再構成とイベントによる光学的流れを実証している。 既存のビデオ再構成ネットワークの性能を20～40%向上させるイベントベースCNNのトレーニングデータ改善戦略を提案する。
  論文  参考訳（メタデータ） (2020-03-20T02:44:29Z)

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。