論文の概要: Generalizing Event-Based Motion Deblurring in Real-World Scenarios

• arxiv url: http://arxiv.org/abs/2308.05932v1
• Date: Fri, 11 Aug 2023 04:27:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-14 15:03:28.323841
• Title: Generalizing Event-Based Motion Deblurring in Real-World Scenarios
• Title（参考訳）: 実世界シナリオにおけるイベントベース動作の一般化
• Authors: Xiang Zhang, Lei Yu, Wen Yang, Jianzhuang Liu, Gui-Song Xia
• Abstract要約: イベントベースの動作遅延は、低レイテンシイベントを活用することで、有望な結果を示している。 本研究では,フレキシブルな入力空間スケールを実現するとともに,時間スケールの異なる動きのぼかしから学習できるスケール対応ネットワークを提案する。 次に,実世界のデータ分布に適合する2段階の自己教師型学習手法を開発した。
• 参考スコア（独自算出の注目度）: 62.995994797897424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event-based motion deblurring has shown promising results by exploiting low-latency events. However, current approaches are limited in their practical usage, as they assume the same spatial resolution of inputs and specific blurriness distributions. This work addresses these limitations and aims to generalize the performance of event-based deblurring in real-world scenarios. We propose a scale-aware network that allows flexible input spatial scales and enables learning from different temporal scales of motion blur. A two-stage self-supervised learning scheme is then developed to fit real-world data distribution. By utilizing the relativity of blurriness, our approach efficiently ensures the restored brightness and structure of latent images and further generalizes deblurring performance to handle varying spatial and temporal scales of motion blur in a self-distillation manner. Our method is extensively evaluated, demonstrating remarkable performance, and we also introduce a real-world dataset consisting of multi-scale blurry frames and events to facilitate research in event-based deblurring.
• Abstract（参考訳）: イベントベースの動作遅延は、低レイテンシイベントを活用することで有望な結果を示している。 しかし、現在のアプローチは、入力の空間分解能と特定のぼやけ度分布を仮定するため、実用的には限られている。 この研究はこれらの制限に対処し、現実世界のシナリオにおけるイベントベースのデブロアリングのパフォーマンスを一般化することを目的としている。 本稿では,フレキシブルな入力空間スケールを可能にし,動きのぼやきの時間スケールから学習できるスケールアウェアネットワークを提案する。 次に,実世界のデータ分布に適合する2段階の自己教師付き学習方式を開発した。 ぼかしの相対性を利用して, 潜像の輝度と構造を効率よく再現し, 脱毛性能を一般化し, 様々な空間的, 時間的動きのぼかしスケールを自己蒸留的に処理する。 提案手法は広範に評価され,顕著な性能を示すとともに,複数スケールのぼやけたフレームとイベントからなる実世界のデータセットを導入し,イベントベースの劣化の研究を容易にする。

関連論文リスト

• Event-based Motion Deblurring via Multi-Temporal Granularity Fusion [5.58706910566768]
  連続的な視覚情報を提供するバイオインスパイアされたセンサーであるイベントカメラは、劣化性能を高める可能性がある。 既存のイベントベースの画像デブロアリングは、通常、ボクセルベースのイベント表現を使用する。 画像分解タスクにポイントクラウドベースのイベント表現を導入し、MTGNet(Multi-Temporal Granularity Network)を提案する。 空間的に密度が高いが、時間的に粗いボクセルベースのイベント表現と、時間的に細粒だが空間的に粗い点雲ベースのイベントを組み合わせる。
  論文  参考訳（メタデータ） (2024-12-16T15:20:54Z)
• Event-Based Tracking Any Point with Motion-Augmented Temporal Consistency [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 出来事の空間的空間性や動きの感度によって引き起こされる課題に対処する。 競合モデルパラメータによる処理を150%高速化する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• 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)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Motion Deblurring with Real Events [50.441934496692376]
  本稿では,イベントベースの動作を自己教師型で記述するエンド・ツー・エンドの学習フレームワークを提案する。 実世界のイベントは、データ不整合によるパフォーマンス劣化を軽減するために利用される。
  論文  参考訳（メタデータ） (2021-09-28T13:11:44Z)
• 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。