論文の概要: Within-Camera Multilayer Perceptron DVS Denoising

• arxiv url: http://arxiv.org/abs/2304.07543v1
• Date: Sat, 15 Apr 2023 12:30:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-18 18:35:01.177420
• Title: Within-Camera Multilayer Perceptron DVS Denoising
• Title（参考訳）: カメラ内多層パーセプトロンDVSデノイング
• Authors: A. Rios-Navarro, S. Guo, G Abarajithan, K. Vijayakumar, A. Linares-Barranco, T. Aarrestad, R. Kastner, T. Delbruck
• Abstract要約: インカメライベントのデノゲーションは、ソースのノイズをフィルタリングすることで、イベントカメラのデータレートを低下させる。 多層パーセプトロンデノナイジングフィルタ(MLPF)は、最先端の低コストデノナイジング精度を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In-camera event denoising reduces the data rate of event cameras by filtering out noise at the source. A lightweight multilayer perceptron denoising filter (MLPF) provides state-of-the-art low-cost denoising accuracy. It processes a small neighborhood of pixels from the timestamp image around each event to discriminate signal and noise events. This paper proposes two digital logic implementations of the MLPF denoiser and quantifies their resource cost, power, and latency. The hardware MLPF quantizes the weights and hidden unit activations to 4 bits and has about 1k weights with about 40% sparsity. The Area-Under-Curve Receiver Operating Characteristic accuracy is nearly indistinguishable from that of the floating point network. The FPGA MLPF processes each event in 10 clock cycles. In FPGA, it uses 3.5k flip flops and 11.5k LUTs. Our ASIC implementation in 65nm digital technology for a 346x260 pixel camera occupies an area of 4.3mm^2 and consumes 4nJ of energy per event at event rates up to 25MHz. The MLPF can be easily integrated into an event camera using an FPGA or as an ASIC directly on the camera chip or in the same package. This denoising could dramatically reduce the energy consumed by the communication and host processor and open new areas of always-on event camera application under scavenged and battery power. Code: https://github.com/SensorsINI/dnd_hls
• Abstract（参考訳）: カメラ内イベントデノージングは、ソースのノイズをフィルタリングすることで、イベントカメラのデータレートを低減する。 軽量多層パーセプトロンデノナイジングフィルタ(MLPF)は、最先端の低コストデノナイジング精度を提供する。 それぞれの事象の周りのタイムスタンプ画像から小さなピクセルの近傍を処理し、信号やノイズイベントを識別する。 本稿では,MLPFデノイザの2つのディジタルロジック実装を提案し,その資源コスト,消費電力,レイテンシを定量化する。 ハードウェアMLPFは、重みと隠れた単位活性化を4ビットに量子化し、約1kの重みと約40%の間隔を持つ。 エリアアンダー・サーブ受信機の動作精度は浮動小数点ネットワークとほとんど区別がつかない。 FPGA MLPFは、各イベントを10クロックサイクルで処理する。 FPGAでは3.5kフリップフロップと11.5k LUTを使用する。 346x260ピクセルカメラの65nmデジタル技術におけるASIC実装は4.3mm^2の面積を占め、イベント毎の4nJを最大25MHzまで消費する。 MLPFはFPGAを用いて簡単にイベントカメラに統合でき、カメラチップまたは同じパッケージに直接ASICとして組み込むことができる。 これにより、通信とホストプロセッサが消費するエネルギーを劇的に削減し、常時オンのイベントカメラアプリケーションの新たな領域をスキャベンドとバッテリパワーの下で開くことができる。 コード:https://github.com/SensorsINI/dnd_hls

関連論文リスト

• EvenNICER-SLAM: Event-based Neural Implicit Encoding SLAM [69.83383687049994]
  密集した視覚的同時局所化とマッピングのための新しいアプローチである EvenNICER-SLAM を提案する。 EvenNICER-SLAMは、絶対輝度ではなく強度変化に対応するイベントカメラを内蔵している。 以上の結果から,イベントカメラによる高密度SLAMシステムの高速カメラ動作に対する堅牢性向上の可能性が示唆された。
  論文  参考訳（メタデータ） (2024-10-04T13:52:01Z)
• Make Explicit Calibration Implicit: Calibrate Denoiser Instead of the Noise Model [83.9497193551511]
  デジタルゲインやカメラセンサーによらず有効であるLED(Lighting Every Darkness)を導入する。 LEDは明示的なノイズモデルのキャリブレーションの必要性を排除し、高速な展開と最小限のデータを必要とする暗黙の微調整プロセスを活用する。 LEDは、センサー工学の利点を生かしながら、ディープラーニングの進歩にもっと注力することを可能にする。
  論文  参考訳（メタデータ） (2023-08-07T10:09:11Z)
• E-MLB: Multilevel Benchmark for Event-Based Camera Denoising [12.698543500397275]
  イベントカメラは、差動信号を出力する際に、ジャンクションリーク電流と光電流に敏感である。 大規模イベント復号化データセット(イベント復号化のためのマルチレベルベンチマーク、E-MLB)を初めて構築する。 また、与えられた事象の構造強度を測定する最初の非参照事象認知尺度であるイベント構造比(ESR)を提案する。
  論文  参考訳（メタデータ） (2023-03-21T16:31:53Z)
• Frequency Cam: Imaging Periodic Signals in Real-Time [1.774900701865444]
  本稿では,画像画素がフリックする基本周波数を検出するための,効率的で非同期なイベントカメラアルゴリズムを提案する。 フルセンサ・周波数イメージングにおける重要な設計パラメータについて論じる。 ラップトップCPUの単一コア上で,毎秒5000万イベント以上で動作する,ROSノードとしてのオープンソース実装である Frequency Cam について紹介する。
  論文  参考訳（メタデータ） (2022-11-01T00:08:35Z)
• Hardware architecture for high throughput event visual data filtering with matrix of IIR filters algorithm [0.0]
  ニューロモルフィック・ビジョンは、自動運転車の知覚システムに多くの応用がある、急速に成長する分野である。 センサの動作原理のため、イベントストリームにはかなりのノイズがあります。 本稿では、このタイプのノイズをフィルタするIIRフィルタ行列と、その加速度を許容するハードウェアアーキテクチャに基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-02T15:18:53Z)
• A Linear Comb Filter for Event Flicker Removal [11.731970880432563]
  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、ピクセルごとの非同期強度の変化をキャプチャする。 時間分解能が高いため、イベントカメラは蛍光灯やLEDライトなどのフリックに特に敏感である。 本稿では,イベントストリームから不要なフレッカイベントを取り除くために,イベントデータを前処理する線形フィルタを提案する。
  論文  参考訳（メタデータ） (2022-05-17T04:47:26Z)
• MEFNet: Multi-scale Event Fusion Network for Motion Deblurring [62.60878284671317]
  従来のフレームベースのカメラは、長時間露光のために必然的に動きがぼやけている。 バイオインスパイアされたカメラの一種として、イベントカメラは、高時間分解能で非同期な方法で強度変化を記録する。 本稿では,イベントベースの画像劣化問題を再考し,これをエンドツーエンドの2段階画像復元ネットワークに展開する。
  論文  参考訳（メタデータ） (2021-11-30T23:18:35Z)
• ESL: Event-based Structured Light [62.77144631509817]
  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あり、標準的なカメラよりも大きな利点がある。 本稿では,イベントカメラを用いた新しい構造化光システムを提案し,高精度かつ高速な深度センシングの課題に対処する。
  論文  参考訳（メタデータ） (2021-11-30T15:47:39Z)
• TUM-VIE: The TUM Stereo Visual-Inertial Event Dataset [50.8779574716494]
  イベントカメラはバイオインスパイアされた視覚センサーで、ピクセルごとの明るさの変化を測定する。 これらは、低レイテンシ、高ダイナミックレンジ、高時間分解能、低消費電力など、従来のフレームベースのカメラよりも多くの利点を提供する。 イベントカメラを用いた3次元認識・ナビゲーションアルゴリズムの開発を促進するため,TUM-VIEデータセットを提案する。
  論文  参考訳（メタデータ） (2021-08-16T19:53:56Z)
• Pseudo-ISP: Learning Pseudo In-camera Signal Processing Pipeline from A Color Image Denoiser [73.88164217509816]
  雑音の差によるテスト画像の処理にカラー画像復調器を適応させる未ペア学習方式を提案する。 我々は,事前訓練されたデノイザー,テスト用ノイズ画像のセット,クリーン画像の非ペア化など,実践的なトレーニング設定を検討する。 pseudo-ispは現実的なsrgb画像の合成に有効である。
  論文  参考訳（メタデータ） (2021-03-18T13:11:28Z)
• Feature-Align Network and Knowledge Distillation for Efficient Denoising [4.997028216419175]
  深層学習に基づくRAW画像復調は画像復元において重要な問題である。 モバイルデバイス上での効率的なRAWデノベーションのための新しいネットワークを提案する。 MACが263倍、パラメータが最新ネットワークよりも17.6倍少ない48.28dBのPSNRを実現します。
  論文  参考訳（メタデータ） (2021-03-02T07:09:32Z)

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。