論文の概要: Temporal Up-Sampling for Asynchronous Events
- arxiv url: http://arxiv.org/abs/2208.08721v1
- Date: Thu, 18 Aug 2022 09:12:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-19 13:39:24.172358
- Title: Temporal Up-Sampling for Asynchronous Events
- Title（参考訳）: 非同期イベントの時間的アップサンプリング
- Authors: Xiang Xijie, Zhu lin, Li Jianing, Tian Yonghong and Huang Tiejun
- Abstract要約: 低明度やスローモーションのシーンでは、イベントはスパースでノイズを伴うことが多い。
より効率的で信頼性の高いイベントを生成するために,イベント時間的アップサンプリングアルゴリズムを提案する。
実験により、アップサンプリングイベントはより効果的な情報を提供し、下流タスクの性能を向上させることができることが示された。
- 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: The event camera is a novel bio-inspired vision sensor. When the brightness
change exceeds the preset threshold, the sensor generates events
asynchronously. The number of valid events directly affects the performance of
event-based tasks, such as reconstruction, detection, and recognition. However,
when in low-brightness or slow-moving scenes, events are often sparse and
accompanied by noise, which poses challenges for event-based tasks. To solve
these challenges, we propose an event temporal up-sampling algorithm1 to
generate more effective and reliable events. The main idea of our algorithm is
to generate up-sampling events on the event motion trajectory. First, we
estimate the event motion trajectory by contrast maximization algorithm and
then up-sampling the events by temporal point processes. Experimental results
show that up-sampling events can provide more effective information and improve
the performance of downstream tasks, such as improving the quality of
reconstructed images and increasing the accuracy of object detection.
- Abstract（参考訳）: イベントカメラはバイオインスパイアされた新しい視覚センサーだ。
輝度変化がプリセットしきい値を超えると、センサは非同期にイベントを生成する。
有効なイベントの数は、再構築、検出、認識などのイベントベースのタスクのパフォーマンスに直接影響する。
しかし、低明度やスローモーションのシーンでは、イベントはスパースでノイズを伴うことが多く、イベントベースのタスクには課題が生じる。
これらの課題を解決するために,より効率的で信頼性の高いイベントを生成するイベント時間的アップサンプリングアルゴリズムを提案する。
我々のアルゴリズムの主な考え方は、イベント運動軌跡のアップサンプリングイベントを生成することである。
まず,コントラスト最大化アルゴリズムにより事象運動軌跡を推定し,その後,時間的点過程によって事象をアップサンプリングする。
実験の結果、アップサンプリングイベントはより効果的な情報を提供し、再構成画像の品質向上やオブジェクト検出精度の向上など、下流タスクのパフォーマンスを向上させることが示されている。
関連論文リスト
- 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) - 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) - ASAP: Adaptive Scheme for Asynchronous Processing of Event-based Vision
Algorithms [0.2580765958706853]
イベントカメラは、非常に高い時間分解能とダイナミックレンジでピクセルレベルの照明変化を捉えることができる。
イベントベースの処理アルゴリズムを提供する2つの主要なアプローチがある。イベントパッケージにトリガされたイベントをパッケージ化し、単一のイベントとして1対1で送信する。
本稿では、イベントパッケージ処理時間に対応する可変サイズのパッケージを通じてイベントストリームを管理する適応型スキームASAPを提案する。
論文 参考訳（メタデータ） (2022-09-18T16:28:29Z) - Event-based Image Deblurring with Dynamic Motion Awareness [10.81953574179206]
露光時間における実RGBのぼかし画像と関連する事象のペアを含む最初のデータセットを紹介する。
以上の結果より,PSNRは合成データで1.57dB,実イベントデータで1.08dBまで改善された。
論文 参考訳（メタデータ） (2022-08-24T09:39:55Z) - Unifying Event Detection and Captioning as Sequence Generation via
Pre-Training [53.613265415703815]
本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。
我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
論文 参考訳（メタデータ） (2022-07-18T14:18:13Z) - Ev-TTA: Test-Time Adaptation for Event-Based Object Recognition [7.814941658661939]
Ev-TTAは、イベントベースのオブジェクト認識のためのシンプルで効果的なテスト時間適応である。
我々の定式化は、入力表現に関係なくうまく適用でき、回帰タスクに拡張できる。
論文 参考訳（メタデータ） (2022-03-23T07:43:44Z) - Asynchronous Optimisation for Event-based Visual Odometry [53.59879499700895]
イベントカメラは、低レイテンシと高ダイナミックレンジのために、ロボット知覚の新しい可能性を開く。
イベントベースビジュアル・オドメトリー(VO)に焦点をあてる
動作最適化のバックエンドとして非同期構造を提案する。
論文 参考訳（メタデータ） (2022-03-02T11:28:47Z) - Learning Monocular Dense Depth from Events [53.078665310545745]
イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。
最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。
本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-16T12:36:23Z) - 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) - 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)
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。