論文の概要: eCARLA-scenes: A synthetically generated dataset for event-based optical flow prediction
- arxiv url: http://arxiv.org/abs/2412.09209v1
- Date: Thu, 12 Dec 2024 12:02:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 13:32:29.401606
- Title: eCARLA-scenes: A synthetically generated dataset for event-based optical flow prediction
- Title(参考訳): eCARLA-scenes: イベントベースの光フロー予測のための合成データセット
- Authors: Jad Mansour, Hayat Rajani, Rafael Garcia, Nuno Gracias,
- Abstract要約: イベントベースのデータを処理する包括的なライブラリであるeWizを紹介する。
本稿では,光フロー予測タスクのための合成イベントベースデータセットとデータ生成パイプラインを提案する。
eCARLAシーンは、CARLAシミュレータを使用して、自動運転車のシナリオをシミュレートする。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: The joint use of event-based vision and Spiking Neural Networks (SNNs) is expected to have a large impact in robotics in the near future, in tasks such as, visual odometry and obstacle avoidance. While researchers have used real-world event datasets for optical flow prediction (mostly captured with Unmanned Aerial Vehicles (UAVs)), these datasets are limited in diversity, scalability, and are challenging to collect. Thus, synthetic datasets offer a scalable alternative by bridging the gap between reality and simulation. In this work, we address the lack of datasets by introducing eWiz, a comprehensive library for processing event-based data. It includes tools for data loading, augmentation, visualization, encoding, and generation of training data, along with loss functions and performance metrics. We further present a synthetic event-based datasets and data generation pipelines for optical flow prediction tasks. Built on top of eWiz, eCARLA-scenes makes use of the CARLA simulator to simulate self-driving car scenarios. The ultimate goal of this dataset is the depiction of diverse environments while laying a foundation for advancing event-based camera applications in autonomous field vehicle navigation, paving the way for using SNNs on neuromorphic hardware such as the Intel Loihi.
- Abstract(参考訳): イベントベースの視覚とスパイキングニューラルネットワーク(SNN)の併用は、近い将来、視覚計測や障害物回避といったタスクにおいて、ロボット工学に大きな影響を与えることが期待されている。
研究者たちは、光学フロー予測に現実世界のイベントデータセット(主に無人航空機(UAV)でキャプチャされる)を使用しているが、これらのデータセットは多様性、スケーラビリティに制限されており、収集が困難である。
このように、合成データセットは、現実とシミュレーションのギャップを埋めることで、スケーラブルな代替手段を提供する。
本研究では、イベントベースのデータを処理する包括的なライブラリであるeWizを導入することで、データセットの欠如に対処する。
データ読み込み、拡張、可視化、エンコーディング、トレーニングデータ生成のためのツールと、損失関数とパフォーマンスメトリクスが含まれている。
さらに,光フロー予測タスクのための合成イベントベースデータセットとデータ生成パイプラインを提案する。
eWiz上に構築されたeCARLAシーンは、CARLAシミュレータを使って自動運転車のシナリオをシミュレートする。
このデータセットの最終的な目標は、さまざまな環境の描写と、自律フィールド車両ナビゲーションにおけるイベントベースのカメラ応用の前進の基礎を築き、Intel LoihiのようなニューロモルフィックなハードウェアでSNNを使用するための道を開くことにある。
関連論文リスト
- Synthetica: Large Scale Synthetic Data for Robot Perception [21.415878105900187]
本稿では,ロバストな状態推定器を訓練するための大規模合成データ生成手法であるSyntheticaを提案する。
本稿では,ほとんどの状態推定問題のフロントエンドとして機能する重要な問題であるオブジェクト検出の課題に焦点を当てる。
レイトレーシングのデータを利用して270万の画像を生成し、高精度なリアルタイム検出変換器を訓練する。
我々は,従来のSOTAの9倍の50-100Hzの検出器を動作させながら,物体検出タスクにおける最先端性能を示す。
論文 参考訳(メタデータ) (2024-10-28T15:50:56Z) - SEVD: Synthetic Event-based Vision Dataset for Ego and Fixed Traffic Perception [22.114089372056238]
我々は、SEVD、第一種マルチビューエゴ、固定認識合成イベントベースデータセットを提案する。
SEVDは、都市、郊外、田園部、ハイウェイのシーンに、様々な種類の物体がある。
本研究では,最新のイベントベース (RED, RVT) とフレームベース (YOLOv8) を用いて,トラフィック検出タスクのデータセットを評価する。
論文 参考訳(メタデータ) (2024-04-12T20:40:12Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳(メタデータ) (2023-11-05T18:59:31Z) - Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。
我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。
我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
論文 参考訳(メタデータ) (2023-09-18T19:49:22Z) - VALERIE22 -- A photorealistic, richly metadata annotated dataset of
urban environments [5.439020425819001]
VALERIEツールパイプラインは、ドメイン固有の要素の理解に寄与するために開発された合成データジェネレータである。
VALERIE22データセットは、フォトリアリスティックセンサーシミュレーションを提供するVALERIEプロシージャツールパイプラインで生成された。
データセットは独自のリッチなメタデータセットを提供し、特定のシーンとセマンティックな特徴の抽出を可能にする。
論文 参考訳(メタデータ) (2023-08-18T15:44:45Z) - On the Generation of a Synthetic Event-Based Vision Dataset for
Navigation and Landing [69.34740063574921]
本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。
我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。
パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
論文 参考訳(メタデータ) (2023-08-01T09:14:20Z) - Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。
本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。
我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文 参考訳(メタデータ) (2022-09-22T13:12:54Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳(メタデータ) (2022-08-16T20:46:08Z) - Virtual passengers for real car solutions: synthetic datasets [2.1028463367241033]
私たちは3Dシナリオを構築し、可能な限り現実に近いようにセットアップします。
シーンにランダム性を加えるためにパラメータの設定と変更が可能である。
本稿では,自動車環境における合成データ生成のプロセスと概念について述べる。
論文 参考訳(メタデータ) (2022-05-13T10:54:39Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳(メタデータ) (2021-12-22T14:45:37Z)
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。