論文の概要: EEPPR: Event-based Estimation of Periodic Phenomena Rate using Correlation in 3D

• arxiv url: http://arxiv.org/abs/2408.06899v2
• Date: Mon, 19 Aug 2024 21:00:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 18:50:03.500983
• Title: EEPPR: Event-based Estimation of Periodic Phenomena Rate using Correlation in 3D
• Title（参考訳）: EEPPR:3次元相関を用いた周期現象速度のイベントベース推定
• Authors: Jakub Kolář, Radim Špetlík, Jiří Matas,
• Abstract要約: 本稿では,カメライベントによる回転,フリック,振動などの現象の周期を計測する新しい手法を提案する。 このアプローチは、周期的な現象に対して、その周期と時間差で時間的ウィンドウ内で非常に類似した事象が生成されると仮定する。 EEPPRは、このデータセットで公開されたメソッドよりも大幅に優れており、0.1%の誤差を達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a novel method for measuring the period of phenomena like rotation, flicker and vibration, by an event camera, a device asynchronously reporting brightness changes at independently operating pixels with high temporal resolution. The approach assumes that for a periodic phenomenon, a highly similar set of events is generated within a spatio-temporal window at a time difference corresponding to its period. The sets of similar events are detected by a correlation in the spatio-temporal event stream space. The proposed method, EEPPR, is evaluated on a dataset of 12 sequences of periodic phenomena, i.e. flashing light and vibration, and periodic motion, e.g., rotation, ranging from 3.2 Hz to 2 kHz (equivalent to 192 - 120 000 RPM). EEPPR significantly outperforms published methods on this dataset, achieving the mean relative error of 0.1%. The dataset and codes are publicly available on GitHub.
• Abstract（参考訳）: 本稿では,時間分解能の高い独立動作画素における輝度変化を非同期に報告するイベントカメラにより,回転,フリック,振動などの現象の周期を計測する新しい手法を提案する。 このアプローチは、周期現象に対して、その周期に対応する時間差で、時空間の空間内で非常に類似した事象が生成されると仮定する。 同様の事象の集合は、時空間の時空間の相関によって検出される。 提案手法であるEEPPRは,3.2Hzから2kHz(約192～120000RPM)の範囲で,光と振動の点滅,周期運動などの12種類の周期現象のデータセットを用いて評価した。 EEPPRは、このデータセットで公表されたメソッドよりも大幅に優れており、平均相対誤差は0.1%である。 データセットとコードはGitHubで公開されている。

関連論文リスト

• FM-TS: Flow Matching for Time Series Generation [71.31148785577085]
  本稿では、時系列生成のための修正フローマッチングベースのフレームワークFM-TSを紹介する。 FM-TSは、トレーニングと推論の点でより効率的である。 我々は、太陽予測とMuJoCo計算タスクにおいて優れた性能を達成した。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• Path-adaptive Spatio-Temporal State Space Model for Event-based Recognition with Arbitrary Duration [9.547947845734992]
  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、強度の変化を非同期に捉え、イベントストリームを出力する。 本稿では, PAST-Act と呼ばれる新しいフレームワークを提案する。 私たちはまた、コミュニティの利益のために任意の期間で、ArDVS100という名前の分レベルのイベントベースの認識データセットを構築しました。
  論文  参考訳（メタデータ） (2024-09-25T14:08:37Z)
• EE3P: Event-based Estimation of Periodic Phenomena Properties [0.0]
  本稿では,イベントカメラを用いた周期現象の特性測定手法を提案する。 全ての実験において、本手法は、基底真理測定の誤差マージンである0.04%よりも相対的に低い誤差を達成する。
  論文  参考訳（メタデータ） (2024-02-22T20:37:30Z)
• Graph Spatiotemporal Process for Multivariate Time Series Anomaly Detection with Missing Values [67.76168547245237]
  本稿では,グラフ時間過程と異常スコアラを用いて異常を検出するGST-Proという新しいフレームワークを提案する。 実験結果から,GST-Pro法は時系列データ中の異常を効果的に検出し,最先端の手法より優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-11T10:10:16Z)
• 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)
• Generative Time Series Forecasting with Diffusion, Denoise, and Disentanglement [51.55157852647306]
  時系列予測は多くのアプリケーションにおいて非常に重要な課題である。 実世界の時系列データが短時間に記録されることが一般的であり、これはディープモデルと限られたノイズのある時系列との間に大きなギャップをもたらす。 本稿では,生成モデルを用いた時系列予測問題に対処し,拡散,雑音,ゆがみを備えた双方向変分自動エンコーダを提案する。
  論文  参考訳（メタデータ） (2023-01-08T12:20:46Z)
• eCDT: Event Clustering for Simultaneous Feature Detection and Tracking- [4.094848360328624]
  イベントクラスタリングに基づく検出追跡(eCDT) 提案手法は,最先端手法と比較して,特徴追跡年齢が30%向上した。
  論文  参考訳（メタデータ） (2022-07-19T07:39:04Z)
• DCASE 2021 Task 3: Spectrotemporally-aligned Features for Polyphonic Sound Event Localization and Detection [16.18806719313959]
  本稿では,信号パワーと音源方向の正確な時間周波数マッピングが可能な空間キュー拡張対数分光法(SALSA)を提案する。 この新機能で訓練されたディープラーニングベースのモデルでは,DCASEチャレンジのベースラインを大きなマージンで上回りました。
  論文  参考訳（メタデータ） (2021-06-29T09:18:30Z)
• Real-time gravitational-wave science with neural posterior estimation [64.67121167063696]
  ディープラーニングを用いた高速重力波パラメータ推定のための前例のない精度を示す。 LIGO-Virgo Gravitational-Wave Transient Catalogから8つの重力波事象を解析した。 標準推論符号と非常に密接な定量的な一致を見いだすが、推定時間がO(day)から1イベントあたり1分に短縮される。
  論文  参考訳（メタデータ） (2021-06-23T18:00:05Z)
• Exploiting Attention-based Sequence-to-Sequence Architectures for Sound Event Localization [113.19483349876668]
  本稿では,注意に基づくシーケンス・ツー・シーケンスモデルを用いて,音のイベントの局所化に新たなアプローチを提案する。 それは無響および残響の条件の最先端の方法と比較される優秀なローカリゼーションの性能をもたらします。
  論文  参考訳（メタデータ） (2021-02-28T07:52:20Z)
• Real-time Detection of Clustered Events in Video-imaging data with Applications to Additive Manufacturing [9.018291036304941]
  本稿では,映像データにおける異常検出のための統合時間分解と回帰手法を提案する。 本手法は, 金属添加物製造プロセスにおいて, 局所過熱現象(ホットスポット)を検出し, 検出するために, 映像データの解析に応用した。
  論文  参考訳（メタデータ） (2020-04-23T05:32:13Z)

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。