Fugu-MT 論文翻訳(概要): An asynchronous event-based algorithm for periodic signals

論文の概要: An asynchronous event-based algorithm for periodic signals

arxiv url: http://arxiv.org/abs/2205.04691v1
Date: Tue, 10 May 2022 06:24:09 GMT
ステータス: 処理完了
システム内更新日: 2022-05-14 18:13:52.028904
Title: An asynchronous event-based algorithm for periodic signals
Title（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
Authors: David El-Chai Ben-Ezra, Ron Arad, Ayelet Padowicz, Israel Tugendhaft
Abstract要約: 本稿では、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。このアルゴリズムは、トワイライトの間、100Hzの周波数で点滅する街灯の信号と、視野内の遠方の建物の窓から発せられる太陽の輝きとを、どのように区別するかを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
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. 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.
Abstract（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。

関連論文リスト

Dimension Independent and Computationally Efficient Shadow Tomography [0.0]
シャドウトモグラフィーアルゴリズムは$n=Theta(sqrtmlog m/epsilon2)$サンプルを使用し、$m$の測定と追加エラー$epsilon$について説明する。これは、ナイーブなアプローチを改善する、これまで知られていたすべてのアルゴリズムとは対照的である。
論文参考訳（メタデータ） (2024-11-03T03:07:35Z)
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$)とイベント固有の拡張を設計する。
論文参考訳（メタデータ） (2023-08-25T23:51:07Z)
Minimax Rates for Robust Community Detection [19.229475414802213]
逆ノードの破損を伴うブロックモデルにおけるコミュニティ検出の問題点について検討する。我々の主な結果は、$epsilon$-fraction of corruption and unbounded error $O(epsilon) + e-fracC2 (1 pm o(1))$ where $C = (sqrta - sqrtb)2$ is the signal-to-noise ratio。アルゴリズムがさらに機能するという意味では、我々のアルゴリズムは2倍に損なわれていることを示す。
論文参考訳（メタデータ） (2022-07-25T04:45:16Z)
Towards a method to anticipate dark matter signals with deep learning at the LHC [58.720142291102135]
ニューラルネットワークを用いた簡易暗黒物質モデルとそのシグネチャをLHCで検討した。通常のモノジェットと逆エネルギーチャネルの欠如に焦点を当てるが、アルゴリズムを訓練するためには、イベント・バイ・イベント・アレーの代わりに2Dヒストグラムでデータを整理する。これにより、標準モデル(SM)のみとSMと新しい物理信号とを区別する性能が大きく向上する。
論文参考訳（メタデータ） (2021-05-25T15:38:13Z)
luvHarris: A Practical Corner Detector for Event-cameras [3.5097082077065]
イベント駆動型コンピュータビジョンがよりアクセスしやすくなってきた。現在の最先端技術は、実用性を考慮した場合、満足のいく精度かリアルタイムパフォーマンスのいずれかを持っている。検索イベント・ハリス(luvHarris)と呼ばれるコーナー検出を行う別の方法を提案する。
論文参考訳（メタデータ） (2021-05-24T17:54:06Z)
Intra-Inter Camera Similarity for Unsupervised Person Re-Identification [50.85048976506701]
擬似ラベル生成のための新しいカメラ内類似性について検討する。 re-idモデルをカメラ内およびカメラ間擬似ラベルを用いて2段階訓練した。この単純なinter-inter cameraの類似性は、複数のデータセットで驚くほど優れたパフォーマンスを生み出す。
論文参考訳（メタデータ） (2021-03-22T08:29:04Z)
Unsupervised Feature Learning for Event Data: Direct vs Inverse Problem Formulation [53.850686395708905]
イベントベースのカメラは、ピクセルごとの明るさ変化の非同期ストリームを記録する。本稿では,イベントデータからの表現学習のための単一層アーキテクチャに焦点を当てる。我々は,最先端手法と比較して,認識精度が最大9%向上したことを示す。
論文参考訳（メタデータ） (2020-09-23T10:40:03Z)
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。