論文の概要: Spike Stream Denoising via Spike Camera Simulation
- arxiv url: http://arxiv.org/abs/2304.03129v1
- Date: Thu, 6 Apr 2023 14:59:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 13:50:34.520401
- Title: Spike Stream Denoising via Spike Camera Simulation
- Title(参考訳): スパイクカメラシミュレーションによるスパイクストリームの雑音化
- Authors: Liwen hu, LeiMa, Zhaofei Yu, Boxin Shi and Tiejun Huang
- Abstract要約: 本稿では,スパイクカメラのユニークな回路に基づくシステマティックノイズモデルを提案する。
スパイクストリームをデノナイジングするための最初のベンチマークは、クリアな(ノイズの多い)スパイクストリームを含む。
実験の結果、DnSSは提案されたベンチマークで有望なパフォーマンスを示している。
- 参考スコア(独自算出の注目度): 64.11994763727631
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As a neuromorphic sensor with high temporal resolution, the spike camera
shows enormous potential in high-speed visual tasks. However, the high-speed
sampling of light propagation processes by existing cameras brings unavoidable
noise phenomena. Eliminating the unique noise in spike stream is always a key
point for spike-based methods. No previous work has addressed the detailed
noise mechanism of the spike camera. To this end, we propose a systematic noise
model for spike camera based on its unique circuit. In addition, we carefully
constructed the noise evaluation equation and experimental scenarios to measure
noise variables. Based on our noise model, the first benchmark for spike stream
denoising is proposed which includes clear (noisy) spike stream. Further, we
design a tailored spike stream denoising framework (DnSS) where denoised spike
stream is obtained by decoding inferred inter-spike intervals. Experiments show
that DnSS has promising performance on the proposed benchmark. Eventually, DnSS
can be generalized well on real spike stream.
- Abstract(参考訳): 時間分解能の高いニューロモルフィックセンサーとして、スパイクカメラは高速な視覚タスクにおいて大きなポテンシャルを示す。
しかし、既存のカメラによる光伝搬過程の高速サンプリングは、避けられないノイズ現象をもたらす。
スパイクストリームにおけるユニークなノイズを取り除くことは、スパイクベースの方法にとって常に重要なポイントである。
スパイクカメラの詳細なノイズ機構に関する以前の研究は行われていない。
そこで本研究では,スパイクカメラのユニークな回路に基づくシステマティックノイズモデルを提案する。
さらに,ノイズ評価方程式と実験シナリオを慎重に構築し,騒音の変数を測定した。
ノイズモデルに基づいて、(ノイズの多い)スパイクストリームを含むスパイクストリームデノイズ化のための最初のベンチマークを提案する。
さらに,推定されたスパイク間間隔をデコードすることにより,デノライズスパイクストリームを求めるためのdnss(tailored spike stream denoising framework)の設計を行う。
実験の結果、DnSSは提案されたベンチマークで有望なパフォーマンスを示している。
最終的に、DnSSは実際のスパイクストリームでうまく一般化できる。
関連論文リスト
- Noise Filtering Benchmark for Neuromorphic Satellites Observations [39.781091151259766]
イベントカメラはスパース、高時間分解能、高ダイナミックレンジ、低消費電力、スパースデータ出力を提供する非同期の輝度変化をキャプチャする。
これらの利点は、特に望遠鏡の視野内を移動する常駐の宇宙物体を検出するのに、宇宙状況認識に理想的である。
しかしながら、イベントカメラからの出力は、しばしば、低照度条件でより多く見られる背景活動ノイズを含む。
このノイズは衛星信号によって発生するスパース事象を圧倒し、検出と追跡をより困難にする。
論文 参考訳(メタデータ) (2024-11-18T02:02:24Z) - Spike-NeRF: Neural Radiance Field Based On Spike Camera [24.829344089740303]
スパイクデータから導出した最初のニューラルレーダランス場であるSpike-NeRFを提案する。
NeRFと同時に撮影されたマルチビュー画像の代わりに、Spike-NeRFの入力は、非常に短時間で動くスパイクカメラによってキャプチャされた連続的なスパイクストリームである。
その結果,Spike-NeRFは既存の手法や高速シーンで提案したベースラインよりも視覚的に魅力的な結果が得られることがわかった。
論文 参考訳(メタデータ) (2024-03-25T04:05:23Z) - SpikeNeRF: Learning Neural Radiance Fields from Continuous Spike Stream [26.165424006344267]
スパイクカメラは、標準的なカメラよりも明確な利点がある。
スパイクカメラに依存する既存のアプローチは、しばしば最適な照明を仮定する。
スパイクカメラデータからNeRFに基づくボリュームシーン表現を導出した最初の作品であるSpikeNeRFを紹介する。
論文 参考訳(メタデータ) (2024-03-17T13:51:25Z) - Recurrent Spike-based Image Restoration under General Illumination [21.630646894529065]
スパイクカメラは、高時間分解能(2万Hz)のスパイクアレイの形で光強度を記録する、バイオインスパイアされた新しいタイプの視覚センサーである
既存のスパイクベースのアプローチは通常、シーンは十分な光強度を持つと仮定し、雨の日や夕暮れのシーンのような多くの現実のシナリオでは利用できない。
本稿では、一般的な照明下でのスパイクアレイからの鮮明な画像の復元に向けた最初の取り組みである、リカレントスパイクに基づく画像復元(RSIR)ネットワークを提案する。
論文 参考訳(メタデータ) (2023-08-06T04:24:28Z) - Unveiling the Potential of Spike Streams for Foreground Occlusion
Removal from Densely Continuous Views [23.10251947174782]
本研究では,1台のスパイクカメラのみを用いた連続マルチビューイメージングにより,デオクルージョン問題に対処する革新的な解決策を提案する。
スパイクカメラを素早く移動させることで、閉鎖されたシーンからのスパイクの密集した流れを継続的に捉えます。
スパイクの処理を行うために,新しいモデル textbfSpkOccNet を構築し,連続的な視点からスパイクの情報を統合する。
論文 参考訳(メタデータ) (2023-07-03T08:01:43Z) - Realistic Noise Synthesis with Diffusion Models [68.48859665320828]
Deep Image Denoisingモデルは、しばしば高品質なパフォーマンスのために大量のトレーニングデータに依存します。
本稿では,拡散モデル,すなわちRealistic Noise Synthesize Diffusor(RNSD)を用いて現実的な雑音を合成する新しい手法を提案する。
RNSDは、より現実的なノイズや空間的相関を複数の周波数で生成できるような、ガイド付きマルチスケールコンテンツを組み込むことができる。
論文 参考訳(メタデータ) (2023-05-23T12:56:01Z) - Learning Task-Oriented Flows to Mutually Guide Feature Alignment in
Synthesized and Real Video Denoising [137.5080784570804]
Video Denoisingは、クリーンなノイズを回復するためにビデオからノイズを取り除くことを目的としている。
既存の研究によっては、近辺のフレームから追加の空間的時間的手がかりを利用することで、光学的流れがノイズ発生の助けとなることが示されている。
本稿では,様々なノイズレベルに対してより堅牢なマルチスケール光フロー誘導型ビデオデノイング法を提案する。
論文 参考訳(メタデータ) (2022-08-25T00:09:18Z) - Rethinking Noise Synthesis and Modeling in Raw Denoising [75.55136662685341]
センサの実際の雑音を直接サンプリングすることで、ノイズを合成する新しい視点を導入する。
それは本質的に、異なるカメラセンサーに対して正確な生画像ノイズを発生させる。
論文 参考訳(メタデータ) (2021-10-10T10:45:24Z) - SCFlow: Optical Flow Estimation for Spiking Camera [50.770803466875364]
スパイキングカメラは、特に高速シーンのモーション推定において、現実の応用において大きな可能性を秘めている。
光フロー推定は画像ベースおよびイベントベースの視覚において顕著な成功を収めているが、既存の手法はスパイクカメラからのスパイクストリームに直接適用することはできない。
本稿では、スパイキングカメラのための光フロー推定のための新しいディープラーニングパイプラインSCFlowについて述べる。
論文 参考訳(メタデータ) (2021-10-08T06:16:45Z) - Removing Noise from Extracellular Neural Recordings Using Fully
Convolutional Denoising Autoencoders [62.997667081978825]
ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。
シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
論文 参考訳(メタデータ) (2021-09-18T14:51:24Z)
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。