論文の概要: SCSim: A Realistic Spike Cameras Simulator

• arxiv url: http://arxiv.org/abs/2405.16790v1
• Date: Mon, 27 May 2024 03:24:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-28 19:16:00.308325
• Title: SCSim: A Realistic Spike Cameras Simulator
• Title（参考訳）: SCSim:リアルなスパイクカメラシミュレータ
• Authors: Liwen Hu, Lei Ma, Yijia Guo, Tiejun Huang,
• Abstract要約: SCSimは、包括的ノイズモデルを備えた、新しくより現実的なスパイクカメラシミュレータである。 SCSimは、自律的に駆動シナリオを生成し、対応するスパイクストリームを合成するのに適している。 評価の結果,SCSimはスパイクストリームの生成において,既存のシミュレーション手法よりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 28.68263688378836
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spike cameras, with their exceptional temporal resolution, are revolutionizing high-speed visual applications. Large-scale synthetic datasets have significantly accelerated the development of these cameras, particularly in reconstruction and optical flow. However, current synthetic datasets for spike cameras lack sophistication. Addressing this gap, we introduce SCSim, a novel and more realistic spike camera simulator with a comprehensive noise model. SCSim is adept at autonomously generating driving scenarios and synthesizing corresponding spike streams. To enhance the fidelity of these streams, we've developed a comprehensive noise model tailored to the unique circuitry of spike cameras. Our evaluations demonstrate that SCSim outperforms existing simulation methods in generating authentic spike streams. Crucially, SCSim simplifies the creation of datasets, thereby greatly advancing spike-based visual tasks like reconstruction. Our project refers to https://github.com/Acnext/SCSim.
• Abstract（参考訳）: 特殊な時間分解能を備えたスパイクカメラは、高速な視覚的応用に革命をもたらしている。 大規模な合成データセットは、特に再構成や光の流れにおいて、これらのカメラの開発を著しく加速させてきた。 しかし、現在のスパイクカメラ用の合成データセットは洗練されていない。 このギャップに対処するために、包括的ノイズモデルを備えた、より斬新で現実的なスパイクカメラシミュレータであるSCSimを紹介する。 SCSimは、自律的に駆動シナリオを生成し、対応するスパイクストリームを合成するのに適している。 これらのストリームの忠実性を高めるため、スパイクカメラのユニークな回路に合わせた包括的ノイズモデルを開発した。 評価の結果,SCSimはスパイクストリームの生成において,既存のシミュレーション手法よりも優れていることがわかった。 重要なことに、SCSimはデータセットの作成を単純化し、再構築のようなスパイクベースの視覚タスクを大幅に前進させる。 私たちのプロジェクトはhttps://github.com/Acnext/SCSimを参照します。

関連論文リスト

• RoboGSim: A Real2Sim2Real Robotic Gaussian Splatting Simulator [27.04267700576422]
  RoboGSimは本物の2sim2realのロボットシミュレータで、3Dガウシアン・スプレイティングと物理エンジンで動く。 シミュレーションされたデータを、新しいビュー、オブジェクト、軌跡、シーンで合成することができる。 実数2simとsim2realの転写実験は、テクスチャと物理において高い一貫性を示す。
  論文  参考訳（メタデータ） (2024-11-18T18:58:03Z)
• SimGen: Simulator-conditioned Driving Scene Generation [50.03358485083602]
  シミュレーション条件付きシーン生成フレームワークSimGenを紹介する。 SimGenは、シミュレータと現実世界のデータを混ぜることで、多様な運転シーンを生成することを学ぶ。 テキストプロンプトとシミュレータからのレイアウトに基づいて制御性を保ちながら、優れた生成品質と多様性を実現する。
  論文  参考訳（メタデータ） (2024-06-13T17:58:32Z)
• Sim2Real Transfer for Audio-Visual Navigation with Frequency-Adaptive Acoustic Field Prediction [51.71299452862839]
  本稿では,音場予測 (AFP) とウェイポイントナビゲーションに切り離して, 音声視覚ナビゲーションのためのsim2real の最初の治療法を提案する。 次に、特定の周波数サブバンドのみを入力とするAFPモデルをトレーニングすることにより、実世界のデータを収集し、シミュレーションと実世界のスペクトル差を測定する。 最後に、実際のロボットプラットフォームを構築し、転送されたポリシーが、音を鳴らすオブジェクトにうまくナビゲートできることを示します。
  論文  参考訳（メタデータ） (2024-05-05T06:01:31Z)
• S-NeRF++: Autonomous Driving Simulation via Neural Reconstruction and Generation [21.501865765631123]
  S-NeRF++は神経再構成に基づく革新的な自律運転シミュレーションシステムである。 S-NeRF++は、nuScenesやradianceなど、広く使われている自動運転データセットでトレーニングされている。 システムは、ノイズとスパースLiDARデータを効果的に利用して、トレーニングを洗練し、奥行きの外れ値に対処する。
  論文  参考訳（メタデータ） (2024-02-03T10:35:42Z)
• OmniLRS: A Photorealistic Simulator for Lunar Robotics [2.6718643310547607]
  私たちはNvidiaのロボットシミュレータであるIsaac SimをベースにしたLunarシミュレータをどうやって構築したのかを説明します。 このシミュレーションは、高速な手続き環境生成、マルチボット機能、および機械学習アプリケーションのための合成データパイプラインを提供する。
  論文  参考訳（メタデータ） (2023-09-16T13:48:47Z)
• UniSim: A Neural Closed-Loop Sensor Simulator [76.79818601389992]
  センサ搭載車両によって記録された1つのログをキャプチャする、ニューラルネットワークシミュレータUniSimを提示する。 UniSimは、静的バックグラウンドと動的アクターの両方を再構築するために、ニューラルネットワーク機能グリッドを構築する。 動的オブジェクトの学習可能な事前情報を組み込んで、畳み込みネットワークを利用して未確認領域を完成させる。
  論文  参考訳（メタデータ） (2023-08-03T17:56:06Z)
• Spike Stream Denoising via Spike Camera Simulation [64.11994763727631]
  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。
  論文  参考訳（メタデータ） (2023-04-06T14:59:48Z)
• Real-time event simulation with frame-based cameras [13.045658279006524]
  イベントシミュレータは、新しいアルゴリズムを開発するための実際のイベントカメラの必要性を最小限にする。 本研究では,イベントシミュレーションの性能を2桁に向上させるシミュレーション手法を提案する。
  論文  参考訳（メタデータ） (2022-09-10T10:35:53Z)
• 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)
• DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
  DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。 DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。 実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
  論文  参考訳（メタデータ） (2021-04-30T15:30:05Z)

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。