論文の概要: From Sharp to Blur: Unsupervised Domain Adaptation for 2D Human Pose Estimation Under Extreme Motion Blur Using Event Cameras

• arxiv url: http://arxiv.org/abs/2507.22438v1
• Date: Wed, 30 Jul 2025 07:30:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 16:14:18.061673
• Title: From Sharp to Blur: Unsupervised Domain Adaptation for 2D Human Pose Estimation Under Extreme Motion Blur Using Event Cameras
• Title（参考訳）: シャープからブラーへ:イベントカメラを用いた極端運動ブラー下での2次元人間の姿勢推定のための教師なしドメイン適応
• Authors: Youngho Kim, Hoonhee Cho, Kuk-Jin Yoon,
• Abstract要約: ヒトのポーズ推定は、リハビリテーション、スポーツ分析、AR/VRシステムといった応用において重要である。 ほとんどのデータセットは安定した条件を前提としており、シャープな画像で訓練されたモデルはぼやけた環境で苦労する。 本稿では,高時間分解能モーションデータをキャプチャするイベントカメラを利用した新しい領域適応手法を提案する。
• 参考スコア（独自算出の注目度）: 47.65729940410823
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Human pose estimation is critical for applications such as rehabilitation, sports analytics, and AR/VR systems. However, rapid motion and low-light conditions often introduce motion blur, significantly degrading pose estimation due to the domain gap between sharp and blurred images. Most datasets assume stable conditions, making models trained on sharp images struggle in blurred environments. To address this, we introduce a novel domain adaptation approach that leverages event cameras, which capture high temporal resolution motion data and are inherently robust to motion blur. Using event-based augmentation, we generate motion-aware blurred images, effectively bridging the domain gap between sharp and blurred domains without requiring paired annotations. Additionally, we develop a student-teacher framework that iteratively refines pseudo-labels, leveraging mutual uncertainty masking to eliminate incorrect labels and enable more effective learning. Experimental results demonstrate that our approach outperforms conventional domain-adaptive human pose estimation methods, achieving robust pose estimation under motion blur without requiring annotations in the target domain. Our findings highlight the potential of event cameras as a scalable and effective solution for domain adaptation in real-world motion blur environments. Our project codes are available at https://github.com/kmax2001/EvSharp2Blur.
• Abstract（参考訳）: ヒトのポーズ推定は、リハビリテーション、スポーツ分析、AR/VRシステムといった応用において重要である。 しかし、急激な動きと低照度条件は、しばしば、鮮明な画像とぼやけた画像の間の領域ギャップによるポーズ推定を著しく低下させる。 ほとんどのデータセットは安定した条件を前提としており、シャープな画像で訓練されたモデルはぼやけた環境で苦労する。 そこで本稿では,高時間分解能動作データを取得するイベントカメラを活用するドメイン適応手法を提案する。 イベントベースの拡張を用いて、動作認識のぼやけた画像を生成し、ペアアノテーションを必要とせずに、シャープドメインとぼやけたドメイン間のドメインギャップを効果的に埋める。 さらに、疑似ラベルを反復的に洗練し、相互不確実性マスキングを活用して不正確なラベルを排除し、より効果的な学習を可能にする学生教師フレームワークを開発する。 実験の結果,本手法は従来のドメイン適応型ポーズ推定法よりも優れており,対象ドメインのアノテーションを必要とせず,動作ぼけ下で頑健なポーズ推定を実現していることがわかった。 本研究は,実世界の動乱環境における領域適応のためのスケーラブルで効果的なソリューションとして,イベントカメラの可能性を強調した。 プロジェクトのコードはhttps://github.com/kmax 2001/EvSharp2Blur.comで公開されています。

関連論文リスト

• Image as an IMU: Estimating Camera Motion from a Single Motion-Blurred Image [14.485182089870928]
  本研究では,動きのぼかしを動き推定のためのリッチキューとして活用する新しいフレームワークを提案する。 提案手法は, 単一動画像から直接, 濃密な運動流場と単眼深度マップを推定することにより機能する。 本手法は,高速でアグレッシブなカメラの動きを強く捉えるIMUライクな計測法である。
  論文  参考訳（メタデータ） (2025-03-21T17:58:56Z)
• Domain-adaptive Video Deblurring via Test-time Blurring [43.40607572991409]
  未確認領域におけるデブロアリングモデルに対するテスト時間微調整を実現するために, ぼかしモデルに基づくドメイン適応方式を提案する。 そこで本手法では, 対象領域の劣化モデルを校正するために, ドメイン適応型トレーニングペアを生成することができる。 提案手法は,最先端の映像復号化手法を大幅に改善し,実世界の映像復号化データセットに対して最大7.54dBの性能向上を実現する。
  論文  参考訳（メタデータ） (2024-07-12T07:28:01Z)
• VICAN: Very Efficient Calibration Algorithm for Large Camera Networks [49.17165360280794]
  ポースグラフ最適化手法を拡張する新しい手法を提案する。 我々は、カメラを含む二部グラフ、オブジェクトの動的進化、各ステップにおけるカメラオブジェクト間の相対変換について考察する。 我々のフレームワークは従来のPGOソルバとの互換性を維持しているが、その有効性はカスタマイズされた最適化方式の恩恵を受けている。
  論文  参考訳（メタデータ） (2024-03-25T17:47:03Z)
• Cameras as Rays: Pose Estimation via Ray Diffusion [54.098613859015856]
  カメラのポーズを推定することは3D再構成の基本的な課題であり、まばらにサンプリングされたビューを考えると依然として困難である。 本稿では,カメラを光束として扱うカメラポーズの分散表現を提案する。 提案手法は回帰法と拡散法の両方で,CO3Dのカメラポーズ推定における最先端性能を示す。
  論文  参考訳（メタデータ） (2024-02-22T18:59:56Z)
• Adaptive Window Pruning for Efficient Local Motion Deblurring [81.35217764881048]
  局所的な動きのぼかしは、露光中の移動物体と静止背景との混合により、実世界の写真で一般的に発生する。 既存の画像のデブロアリング手法は主にグローバルなデブロアリングに焦点を当てている。 本稿では,高解像度の局所的ぼやけた画像を適応的かつ効率的に復元することを目的とする。
  論文  参考訳（メタデータ） (2023-06-25T15:24:00Z)
• Globally-Optimal Event Camera Motion Estimation [30.79931004393174]
  イベントカメラは、HDR条件でよく機能し、時間分解能の高いバイオインスパイアされたセンサーである。 イベントカメラは、非同期ピクセルレベルの変更を測定し、高度に識別されたフォーマットでそれらを返す。
  論文  参考訳（メタデータ） (2022-03-08T08:24:22Z)
• Single Image Non-uniform Blur Kernel Estimation via Adaptive Basis Decomposition [1.854931308524932]
  本研究では,高密度な非一様運動ボケ推定のための一般非パラメトリックモデルを提案する。 提案手法は,既存の不均一な動きのぼかし推定の限界を克服することを示す。
  論文  参考訳（メタデータ） (2021-02-01T18:02:31Z)
• Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
  イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。 この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
  論文  参考訳（メタデータ） (2020-12-16T04:06:02Z)
• Exposure Trajectory Recovery from Motion Blur [90.75092808213371]
  ダイナミックシーンにおける動きのぼやけは重要な研究テーマである。 本稿では、ぼやけた画像に含まれる動き情報を表す露光軌跡を定義する。 静止シャープ画像の画素方向の変位をモデル化するための新しい動きオフセット推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-06T05:23:33Z)

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。