論文の概要: ANMS: Asynchronous Non-Maximum Suppression in Event Stream

• arxiv url: http://arxiv.org/abs/2303.10575v1
• Date: Sun, 19 Mar 2023 05:33:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 18:32:14.745413
• Title: ANMS: Asynchronous Non-Maximum Suppression in Event Stream
• Title（参考訳）: ANMS: イベントストリームにおける非同期非最大抑圧
• Authors: Qianang Zhou, JunLin Xiong, Youfu Li
• Abstract要約: 非最大抑圧(NMS)は、フレームベースのタスクにおいて重要な後処理アルゴリズムとして広く使われている。 本稿では、汎用非同期非最大抑圧パイプライン(ANMS)を提案する。 提案したパイプラインは、元の検出器の出力から微細な特徴ストリームを抽出し、動きの速度に適応する。
• 参考スコア（独自算出の注目度）: 15.355579943905585
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The non-maximum suppression (NMS) is widely used in frame-based tasks as an essential post-processing algorithm. However, event-based NMS either has high computational complexity or leads to frequent discontinuities. As a result, the performance of event-based corner detectors is limited. This paper proposes a general-purpose asynchronous non-maximum suppression pipeline (ANMS), and applies it to corner event detection. The proposed pipeline extract fine feature stream from the output of original detectors and adapts to the speed of motion. The ANMS runs directly on the asynchronous event stream with extremely low latency, which hardly affects the speed of original detectors. Additionally, we evaluate the DAVIS-based ground-truth labeling method to fill the gap between frame and event. Evaluation on public dataset indicates that the proposed ANMS pipeline significantly improves the performance of three classical asynchronous detectors with negligible latency. More importantly, the proposed ANMS framework is a natural extension of NMS, which is applicable to other asynchronous scoring tasks for event cameras.
• Abstract（参考訳）: 非最大抑圧(NMS)は、フレームベースのタスクにおいて重要な後処理アルゴリズムとして広く使われている。 しかし、イベントベースのNMSは高い計算複雑性を持つか、頻繁に不連続を引き起こす。 その結果,イベントベースコーナー検出器の性能は制限された。 本稿では,汎用非同期非最大抑制パイプライン(anms)を提案し,コーナーイベント検出に適用する。 提案するパイプラインは、元の検出器の出力から細かな特徴ストリームを抽出し、動作速度に適応する。 ANMSは、非常に低レイテンシで非同期イベントストリーム上で直接実行されるため、元の検出器の速度にはほとんど影響しない。 さらに, フレームとイベント間のギャップを埋めるために, DAVISに基づく地中構造ラベリング手法の評価を行った。 公開データセットの評価では、提案したANMSパイプラインは、無視できるレイテンシを持つ3つの古典的非同期検出器の性能を大幅に改善することを示している。 さらに重要なことは、提案されたANMSフレームワークはNMSの自然な拡張であり、イベントカメラの他の非同期スコアリングタスクに適用できる。

関連論文リスト

• Fast Window-Based Event Denoising with Spatiotemporal Correlation Enhancement [85.66867277156089]
  同時にイベントのスタックを扱うウィンドウベースのイベントデノゲーションを提案する。 空間領域では、実世界の事象と雑音を識別するために、最大後部(MAP)を選択する。 我々のアルゴリズムは、イベントノイズを効果的かつ効率的に除去し、下流タスクの性能を向上させることができる。
  論文  参考訳（メタデータ） (2024-02-14T15:56:42Z)
• 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)
• AEGNN: Asynchronous Event-based Graph Neural Networks [54.528926463775946]
  イベントベースのグラフニューラルネットワークは、標準のGNNを一般化して、イベントを"進化的"時間グラフとして処理する。 AEGNNは同期入力で容易に訓練でき、テスト時に効率的な「非同期」ネットワークに変換できる。
  論文  参考訳（メタデータ） (2022-03-31T16:21:12Z)
• ProgressiveMotionSeg: Mutually Reinforced Framework for Event-Based Motion Segmentation [101.19290845597918]
  本稿では,動作推定 (ME) モジュールとイベントデノイング (ED) モジュールを相互に強化された方法で共同最適化する。 時間的相関をガイダンスとして、EDモジュールは各イベントが実活動イベントに属するという信頼度を算出し、MEモジュールに送信し、ノイズ抑制のための運動セグメンテーションのエネルギー関数を更新する。
  論文  参考訳（メタデータ） (2022-03-22T13:40:26Z)
• 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)
• Lightweight Jet Reconstruction and Identification as an Object Detection Task [5.071565475111431]
  我々は、CERN大型ハドロン衝突型加速器で遭遇したジェットのエンド・ツー・エンドの識別と再構築作業に畳み込み技術を適用した。 PFJet-SSDは、クラスタジェットへの同時ローカライゼーション、分類、回帰タスクを実行し、特徴を再構築する。 3次ネットワークは、その完全精度の等価な性能と密に一致し、最先端のルールベースアルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-09T15:01:53Z)
• End-to-End Object Detection with Fully Convolutional Network [71.56728221604158]
  エンドツーエンド検出を実現するために,分類のための予測対応ワン・ツー・ワン (POTO) ラベルの割り当てを導入する。 局所領域における畳み込みの判別性を向上させるために, 簡易な3次元maxフィルタ(3dmf)を提案する。 エンドツーエンドのフレームワークは,COCOおよびCrowdHumanデータセット上のNMSを用いて,最先端の多くの検出器と競合する性能を実現する。
  論文  参考訳（メタデータ） (2020-12-07T09:14:55Z)
• Faster object tracking pipeline for real time tracking [0.0]
  マルチオブジェクトトラッキング(MOT)は、視覚ベースのアプリケーションにとって難しい実践的問題である。 本稿では,検出に基づく物体追跡手法の高速化に有効な汎用パイプラインについて紹介する。
  論文  参考訳（メタデータ） (2020-11-08T06:33:48Z)
• ASAP-NMS: Accelerating Non-Maximum Suppression Using Spatially Aware Priors [26.835571059909007]
  非最大抑圧(Non Maximum Suppression、またはGreedy-NMS)は、オブジェクト検出パイプラインにとって重要なモジュールである。 2段/複数段検出器の領域提案段階において、NMSはそのシーケンシャルな性質から遅延ボトルネックであることが判明した。 我々は、最先端の2段検出器の精度を犠牲にすることなく、CPU上でのNMSステップのレイテンシを13.6msから1.2msに改善するためにASAP-NMSを使用する。
  論文  参考訳（メタデータ） (2020-07-19T21:15:48Z)
• EBBINNOT: A Hardware Efficient Hybrid Event-Frame Tracker for Stationary Dynamic Vision Sensors [5.674895233111088]
  本稿では,静止型ニューロモルフィックセンサによって記録された物体を検知・追跡するための複合イベントフレーム手法を提案する。 静的DVSの背景除去特性を活用するために,フレーム内のイベントの有無を通知するイベントベースバイナリ画像生成を提案する。 静止DVSベースのトラフィック監視ソリューションが、同時に記録されたRGBフレームベースの方法と比較されるのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-05-31T03:01:35Z)

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。