論文の概要: Probabilistic Online Event Downsampling

• arxiv url: http://arxiv.org/abs/2506.02547v1
• Date: Tue, 03 Jun 2025 07:33:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:35.400244
• Title: Probabilistic Online Event Downsampling
• Title（参考訳）: 確率的オンラインイベントダウンサンプリング
• Authors: Andreu Girbau-Xalabarder, Jun Nagata, Shinichi Sumiyoshi,
• Abstract要約: イベントカメラは、ピクセル単位でのシーン変更を非同期にキャプチャし、非常に高い時間分解能を実現する。 事象重要度密度関数(ePDF)を用いて事象重要度をモデル化する確率的フレームワーク POLED を提案する。 本手法は,生のイベントストリームからイベント重要度を推定し,シーン固有の適応を可能にする。
• 参考スコア（独自算出の注目度）: 0.6144680854063939
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Event cameras capture scene changes asynchronously on a per-pixel basis, enabling extremely high temporal resolution. However, this advantage comes at the cost of high bandwidth, memory, and computational demands. To address this, prior work has explored event downsampling, but most approaches rely on fixed heuristics or threshold-based strategies, limiting their adaptability. Instead, we propose a probabilistic framework, POLED, that models event importance through an event-importance probability density function (ePDF), which can be arbitrarily defined and adapted to different applications. Our approach operates in a purely online setting, estimating event importance on-the-fly from raw event streams, enabling scene-specific adaptation. Additionally, we introduce zero-shot event downsampling, where downsampled events must remain usable for models trained on the original event stream, without task-specific adaptation. We design a contour-preserving ePDF that prioritizes structurally important events and evaluate our method across four datasets and tasks--object classification, image interpolation, surface normal estimation, and object detection--demonstrating that intelligent sampling is crucial for maintaining performance under event-budget constraints.
• Abstract（参考訳）: イベントカメラは、ピクセル単位でのシーン変更を非同期にキャプチャし、非常に高い時間分解能を実現する。 しかし、この利点は、高帯域幅、メモリ、計算要求のコストである。 これに対処するため、事前の作業ではイベントダウンサンプリングが検討されているが、ほとんどのアプローチは固定ヒューリスティックやしきい値ベースの戦略に依存しており、適応性を制限する。 その代わり、確率的フレームワークであるPOLEDを提案し、イベント重要度密度関数(ePDF)を通じてイベント重要度をモデル化し、任意に定義し、異なるアプリケーションに適用することができる。 本手法は,生のイベントストリームからイベント重要度を推定し,シーン固有の適応を可能にする。 さらに、ゼロショットイベントのダウンサンプリングを導入し、ダウンサンプリングされたイベントは、タスク固有の適応なしに、元のイベントストリームでトレーニングされたモデルで使用できなければならない。 我々は、構造的に重要なイベントを優先し、対象分類、画像補間、表面正規推定、オブジェクト検出といった4つのデータセットおよびタスクにわたってメソッドを評価する輪郭保存型ePDFを設計し、イベント予算制約下での性能維持にインテリジェントサンプリングが不可欠であることを実証する。

関連論文リスト

• Event-Based Crossing Dataset (EBCD) [0.9961452710097684]
  イベントベースの視覚は、静的フレームではなく、強度の変化をキャプチャすることで、従来のイメージセンシングに革命をもたらす。 Event-Based Crossingデータセットは、動的な屋外環境での歩行者と車両の検出に適したデータセットである。 このデータセットは、疎度と騒音抑制の異なる条件下での物体検出性能の広範囲な評価を容易にする。
  論文  参考訳（メタデータ） (2025-03-21T19:20:58Z)
• EAS-SNN: End-to-End Adaptive Sampling and Representation for Event-based Detection with Recurrent Spiking Neural Networks [14.046487518350792]
  スパイキングニューラルネットワーク(SNN)は、スパーススパイク通信を通じてイベント駆動の操作を行う。 本稿では,Residual potential Dropout (RPD) と Spike-Aware Training (SAT) を導入する。 我々の方法では、Gen1データセットで4.4%のmAP改善が得られ、パラメータは38%減少し、3つのタイムステップしか必要としない。
  論文  参考訳（メタデータ） (2024-03-19T09:34:11Z)
• Alignment-based conformance checking over probabilistic events [4.060731229044571]
  本稿では、重み付きトレースモデルと重み付きアライメントコスト関数と、イベントデータに対する信頼度を制御するカスタムしきい値パラメータを導入する。 結果のアルゴリズムは、プロセスモデルとよりよく一致した、低いが十分に高い確率のアクティビティを考慮します。
  論文  参考訳（メタデータ） (2022-09-09T14:07:37Z)
• Ev-TTA: Test-Time Adaptation for Event-Based Object Recognition [7.814941658661939]
  Ev-TTAは、イベントベースのオブジェクト認識のためのシンプルで効果的なテスト時間適応である。 我々の定式化は、入力表現に関係なくうまく適用でき、回帰タスクに拡張できる。
  論文  参考訳（メタデータ） (2022-03-23T07:43:44Z)
• Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
  本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。 我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2021-10-19T17:41:43Z)
• Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
  本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。 我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
  論文  参考訳（メタデータ） (2021-09-13T20:50:37Z)
• Bridging the Gap between Events and Frames through Unsupervised Domain Adaptation [57.22705137545853]
  本稿では,ラベル付き画像とラベル付きイベントデータを用いてモデルを直接訓練するタスク転送手法を提案する。 生成イベントモデルを利用して、イベント機能をコンテンツとモーションに分割します。 われわれのアプローチは、イベントベースのニューラルネットワークのトレーニングのために、膨大な量の既存の画像データセットをアンロックする。
  論文  参考訳（メタデータ） (2021-09-06T17:31:37Z)
• A Background-Agnostic Framework with Adversarial Training for Abnormal Event Detection in Video [120.18562044084678]
  近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。 通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-27T18:39:24Z)
• Learning a Unified Sample Weighting Network for Object Detection [113.98404690619982]
  地域サンプリングや重み付けは、現代の地域ベースの物体検出器の成功に極めて重要である。 サンプル重み付けはデータ依存でタスク依存であるべきだと我々は主張する。 サンプルのタスク重みを予測するための統一的なサンプル重み付けネットワークを提案する。
  論文  参考訳（メタデータ） (2020-06-11T16:19:16Z)

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。