論文の概要: PRE-Mamba: A 4D State Space Model for Ultra-High-Frequent Event Camera Deraining

• arxiv url: http://arxiv.org/abs/2505.05307v1
• Date: Thu, 08 May 2025 14:52:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-09 21:43:49.926992
• Title: PRE-Mamba: A 4D State Space Model for Ultra-High-Frequent Event Camera Deraining
• Title（参考訳）: Pre-Mamba:超高頻度イベントカメラのための4次元状態空間モデル
• Authors: Ciyu Ruan, Ruishan Guo, Zihang Gong, Jingao Xu, Wenhan Yang, Xinlei Chen,
• Abstract要約: イベントカメラは高時間分解能とダイナミックレンジで優れるが、降雨条件下では高密度ノイズに悩まされる。 イベントデライニングのための新しいポイントベースカメラフレームワークであるPre-Mambaを提案する。
• 参考スコア（独自算出の注目度）: 47.81253972389206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event cameras excel in high temporal resolution and dynamic range but suffer from dense noise in rainy conditions. Existing event deraining methods face trade-offs between temporal precision, deraining effectiveness, and computational efficiency. In this paper, we propose PRE-Mamba, a novel point-based event camera deraining framework that fully exploits the spatiotemporal characteristics of raw event and rain. Our framework introduces a 4D event cloud representation that integrates dual temporal scales to preserve high temporal precision, a Spatio-Temporal Decoupling and Fusion module (STDF) that enhances deraining capability by enabling shallow decoupling and interaction of temporal and spatial information, and a Multi-Scale State Space Model (MS3M) that captures deeper rain dynamics across dual-temporal and multi-spatial scales with linear computational complexity. Enhanced by frequency-domain regularization, PRE-Mamba achieves superior performance (0.95 SR, 0.91 NR, and 0.4s/M events) with only 0.26M parameters on EventRain-27K, a comprehensive dataset with labeled synthetic and real-world sequences. Moreover, our method generalizes well across varying rain intensities, viewpoints, and even snowy conditions.
• Abstract（参考訳）: イベントカメラは高時間分解能とダイナミックレンジで優れるが、降雨条件下では高密度ノイズに悩まされる。 既存のイベントデアライニング手法は、時間的精度、デアライニングの有効性、計算効率のトレードオフに直面している。 本稿では, 生イベントと降雨の時空間特性をフル活用した, ポイントベースイベントカメラデライニングフレームワークPre-Mambaを提案する。 本フレームワークでは,2つの時間的スケールを統合して高時間的精度を維持する4次元イベントクラウド表現,時間的および空間的情報の浅い疎結合と相互作用を可能にする時空間デカップリング・フュージョンモジュール(STDF)と,線形計算複雑性を伴う2時間的・多空間的スケールの深部降雨動態を捉えるマルチスケール状態空間モデル(MS3M)を導入している。 周波数領域の正規化によって強化され、Pre-MambaはEventRain-27K上の0.26Mパラメータだけで優れたパフォーマンス(0.95 SR、0.91 NR、0.4s/Mイベント)を達成する。 さらに, 降雨強度, 視点, 積雪条件など, 各種の降雨強度, 積雪条件にまたがって, この手法を一般化する。

関連論文リスト

• EDmamba: A Simple yet Effective Event Denoising Method with State Space Model [20.776133942771768]
  イベントカメラは、高時間ダイナミックレンジと低消費電力のため、高速視界で優れている。 ダイナミックな視覚センサーとして、出力は本質的にノイズが多いため、超低レイテンシとリアルタイム処理能力を維持するために効率的なノイズ処理が不可欠である。 状態空間モデル(SSM)に基づく新しいイベント記述フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-08T16:27:27Z)
• SpikeDerain: Unveiling Clear Videos from Rainy Sequences Using Color Spike Streams [49.34425133546994]
  雨の映像から鮮明なフレームを復元することは、暴風雨の急激な動きによって大きな課題となる。 従来のフレームベースの視覚センサーは、シーンのコンテンツを同期的にキャプチャする。 本研究では,ダイナミックシーンのスパイクストリームを再構築し,雨害を正確に除去できるカラースパイクストリームレイニングネットワーク(SpikeDerain)を提案する。
  論文  参考訳（メタデータ） (2025-03-26T08:28:28Z)
• A Prototype Unit for Image De-raining using Time-Lapse Data [9.37072441362836]
  本研究では,一雨画像から無雨背景情報を復元する作業である一雨脱落の課題に対処する。 我々は新しいソリューション、Rain Streak Prototype Unit(RsPU)を紹介する。 RsPUは、タイムラプスデータから得られたリアルタイムプロトタイプとして、レインストリーク関連機能を効率的にエンコードし、過剰なメモリリソースを不要にする。
  論文  参考訳（メタデータ） (2024-12-27T05:04:56Z)
• Two-stage Rainfall-Forecasting Diffusion Model [1.6005657281443229]
  TRDMは降雨予測のための2段階の手法である。 第1段階は、低解像度条件下で空間情報を保存しながら、堅牢な時間情報をキャプチャすることである。 第2段は、第1段で生成された低解像度画像を高解像度画像に再構成する。
  論文  参考訳（メタデータ） (2024-02-20T07:37:32Z)
• An Event-Oriented Diffusion-Refinement Method for Sparse Events Completion [36.64856578682197]
  イベントカメラまたはダイナミックビジョンセンサー(DVS)は、従来の強度フレームの代わりに輝度の変化に対する非同期応答を記録する。 本稿では,処理段階と出力形態の両方において,イベントデータのユニークな特性に適合するイベント完了シーケンス手法を提案する。 具体的には,イベントストリームを時間領域内の3次元イベントクラウドとして扱うとともに,高密度の雲を粗大に生成する拡散モデルを構築し,正確なタイムスタンプを復元して生データの時間分解を成功させる。
  論文  参考訳（メタデータ） (2024-01-06T08:09:54Z)
• Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
  本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。 提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
  論文  参考訳（メタデータ） (2023-11-30T08:22:08Z)
• Robust e-NeRF: NeRF from Sparse & Noisy Events under Non-Uniform Motion [67.15935067326662]
  イベントカメラは低電力、低レイテンシ、高時間解像度、高ダイナミックレンジを提供する。 NeRFは効率的かつ効果的なシーン表現の第一候補と見なされている。 本稿では,移動イベントカメラからNeRFを直接かつ堅牢に再構成する新しい手法であるRobust e-NeRFを提案する。
  論文  参考訳（メタデータ） (2023-09-15T17:52:08Z)
• Semi-Supervised Video Deraining with Dynamic Rain Generator [59.71640025072209]
  本稿では,降雨層に適合する動的降雨発生器を用いた半教師付きビデオデレーシング手法を提案する。 具体的には、1つのエミッションモデルと1つのトランジションモデルから成り、空間的物理的構造と時系列の雨の連続的な変化を同時にエンコードする。 ラベル付き合成およびラベルなしの実データのために、それらの基礎となる共通知識を十分に活用するために、様々な先行フォーマットが設計されている。
  論文  参考訳（メタデータ） (2021-03-14T14:28:57Z)
• From Rain Generation to Rain Removal [67.71728610434698]
  雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。 降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。 総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
  論文  参考訳（メタデータ） (2020-08-08T18:56:51Z)

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。