Fugu-MT 論文翻訳(概要): EBSnoR: Event-Based Snow Removal by Optimal Dwell Time Thresholding

論文の概要: EBSnoR: Event-Based Snow Removal by Optimal Dwell Time Thresholding

arxiv url: http://arxiv.org/abs/2208.10581v1
Date: Mon, 22 Aug 2022 20:25:39 GMT
ステータス: 処理完了
システム内更新日: 2022-08-24 13:44:11.993794
Title: EBSnoR: Event-Based Snow Removal by Optimal Dwell Time Thresholding
Title（参考訳）: EBSnoR: 最適ドウェル時間差によるイベントベース除雪
Authors: Abigail Wolf, Shannon Brooks-Lehnert, and Keigo Hirakawa
Abstract要約: 本稿では,EBSnoRと呼ばれるイベントベース除雪アルゴリズムを提案する。我々は,イベントベースカメラデータを用いて,画素上の雪片の滞留時間を測定する手法を開発した。提案されたEBSnoRの有効性は、UDayton22EBSnowと呼ばれる新しいデータセットで検証された。
参考スコア（独自算出の注目度）: 13.61115083406874
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose an Event-Based Snow Removal algorithm called EBSnoR. We developed a technique to measure the dwell time of snowflakes on a pixel using event-based camera data, which is used to carry out a Neyman-Pearson hypothesis test to partition event stream into snowflake and background events. The effectiveness of the proposed EBSnoR was verified on a new dataset called UDayton22EBSnow, comprised of front-facing event-based camera in a car driving through snow with manually annotated bounding boxes around surrounding vehicles. Qualitatively, EBSnoR correctly identifies events corresponding to snowflakes; and quantitatively, EBSnoR-preprocessed event data improved the performance of event-based car detection algorithms.
Abstract（参考訳）: 本稿では,EBSnoRと呼ばれるイベントベース除雪アルゴリズムを提案する。我々は, ニーマン・ピアソン仮説テストを行い, 雪片と背景イベントにイベントストリームを分割する, イベントベースカメラデータを用いて, 画素上の雪片の滞留時間を測定する手法を開発した。提案したEBSnoRの有効性は、前向きのイベントベースのカメラで周囲の車両の周囲に手動でアノテートされたバウンディングボックスを走らせるUDayton22EBSnowという新しいデータセットで検証された。 EBSnoRは、雪片に対応する事象を定量的に同定し、定量的に、EBSnoR前処理イベントデータは、イベントベースの車検出アルゴリズムの性能を改善した。

関連論文リスト

Evaluating Image-Based Face and Eye Tracking with Event Cameras [9.677797822200965]
イベントカメラはニューロモルフィックセンサーとしても知られており、ピクセルレベルの局所光強度の変化を捉え、非同期に生成されたイベントと呼ばれるデータを生成する。このデータフォーマットは、高速で動く物体を撮影する際のアンダーサンプリングのような、従来のカメラで観察される一般的な問題を緩和する。我々は、従来のアルゴリズムとイベントベースのデータを統合することにより、フレーム形式に変換される可能性を評価する。
論文参考訳（メタデータ） (2024-08-19T20:27:08Z)
XLD: A Cross-Lane Dataset for Benchmarking Novel Driving View Synthesis [84.23233209017192]
本稿では,自律走行シミュレーションに特化して設計された新しい駆動ビュー合成データセットとベンチマークを提案する。データセットには、トレーニング軌跡から1-4mずれて取得した画像のテストが含まれているため、ユニークなものだ。我々は、フロントオンリーおよびマルチカメラ設定下で、既存のNVSアプローチを評価するための最初の現実的なベンチマークを確立する。
論文参考訳（メタデータ） (2024-06-26T14:00:21Z)
Event Camera Data Dense Pre-training [10.918407820258246]
本稿では,イベントカメラデータを用いた高密度予測タスクに適したニューラルネットワークの事前学習を目的とした,自己教師付き学習フレームワークを提案する。フレームワークをトレーニングするために、さまざまなシーンと動きパターンを特徴とする合成イベントカメラデータセットをキュレートする。
論文参考訳（メタデータ） (2023-11-20T04:36:19Z)
Exploring Event-based Human Pose Estimation with 3D Event Representations [26.34100847541989]
我々は、Rasterized Event Point Cloud(Ras EPC)とDecoupled Event Voxel(DEV)の2つの3Dイベント表現を紹介した。 Ras EPCは、簡潔な時間スライス内のイベントを同じ位置で集約し、それらの3D属性を統計情報と共に保存し、メモリと計算要求を大幅に削減する。提案手法は,DHP19公開データセット,MMHPSDデータセット,EV-3DPWデータセットで検証し,誘導駆動シーンデータセットEV-JAADと屋外収集車両によるさらなる定性検証を行った。
論文参考訳（メタデータ） (2023-11-08T10:45:09Z)
GET: Group Event Transformer for Event-Based Vision [82.312736707534]
イベントカメラは、注目を集めている新しいニューロモルフィックセンサーの一種である。我々は、グループイベントトランスフォーマー(GET)と呼ばれる、イベントベースのビジョンのための新しいグループベースのビジョントランスフォーマーバックボーンを提案する。 GETは特徴抽出プロセスを通して空間的インフォメーションから時間的極性情報を分離する。
論文参考訳（メタデータ） (2023-10-04T08:02:33Z)
EvDNeRF: Reconstructing Event Data with Dynamic Neural Radiance Fields [80.94515892378053]
EvDNeRFは、イベントデータを生成し、イベントベースの動的NeRFをトレーニングするためのパイプラインである。 NeRFは幾何学ベースの学習可能なレンダリングを提供するが、イベントの以前の作業は静的なシーンの再構築のみを考慮していた。各種イベントのバッチサイズをトレーニングすることにより、微細な時間解像度でイベントのテスト時間予測を改善することができることを示す。
論文参考訳（メタデータ） (2023-10-03T21:08:41Z)
EV-Catcher: High-Speed Object Catching Using Low-latency Event-based Neural Networks [107.62975594230687]
イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
論文参考訳（メタデータ） (2023-04-14T15:23:28Z)
Event Camera Data Pre-training [14.77724035068357]
我々のモデルは、自己教師付き学習フレームワークであり、ペア化されたイベントカメラデータと自然なRGBイメージをトレーニングに使用しています。我々はN-ImageNetデータセットで64.83%でトップ1の精度を達成した。
論文参考訳（メタデータ） (2023-01-05T06:32:50Z)
RadNet: Incident Prediction in Spatio-Temporal Road Graph Networks Using Traffic Forecasting [2.6690664860458906]
我々はRadNetと呼ばれるニューラルモデルを開発し、将来の時間ステップでシステムのパラメータを予測する。以前の作業とは異なり、RadNetは両方の置換における空間的傾向と時間的傾向を推定し、最終的に予測の前に密度の高い表現を組み合わせる。
論文参考訳（メタデータ） (2022-06-11T20:06:47Z)
LiDAR Snowfall Simulation for Robust 3D Object Detection [116.10039516404743]
そこで本研究では,降雪の影響をシミュレーションする物理的手法を提案する。本手法では,LiDARの各線に対して2次元空間の雪粒子をサンプリングし,誘導幾何を用いて各LiDAR線の測定を修正した。我々はシミュレーションを用いて、部分的に合成された雪のLiDARデータを生成し、これらのデータを利用して、降雪に頑健な3次元物体検出モデルを訓練する。
論文参考訳（メタデータ） (2022-03-28T21:48:26Z)
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)

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。