論文の概要: Towards Closing the Domain Gap with Event Cameras

• arxiv url: http://arxiv.org/abs/2512.16178v1
• Date: Thu, 18 Dec 2025 04:57:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.918807
• Title: Towards Closing the Domain Gap with Event Cameras
• Title（参考訳）: イベントカメラによるドメインギャップの閉鎖に向けて
• Authors: M. Oltan Sevinc, Liao Wu, Francisco Cruz,
• Abstract要約: 我々は、昼夜の照明の違いをドメインギャップとみなす。 追加調整を必要とせず、照明条件領域の隙間をまたいで性能を維持できる潜在的な代替手段としてイベントカメラを提案する。 以上の結果から, イベントカメラは点灯条件の整合性を維持し, 一般にグレースケールフレームに匹敵する領域シフトのペナルティを示し, クロスドメインシナリオにおいて優れたベースライン性能を提供することがわかった。
• 参考スコア（独自算出の注目度）: 0.745554610293091
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although traditional cameras are the primary sensor for end-to-end driving, their performance suffers greatly when the conditions of the data they were trained on does not match the deployment environment, a problem known as the domain gap. In this work, we consider the day-night lighting difference domain gap. Instead of traditional cameras we propose event cameras as a potential alternative which can maintain performance across lighting condition domain gaps without requiring additional adjustments. Our results show that event cameras maintain more consistent performance across lighting conditions, exhibiting domain-shift penalties that are generally comparable to or smaller than grayscale frames and provide superior baseline performance in cross-domain scenarios.
• Abstract（参考訳）: 従来のカメラはエンドツーエンドの駆動の主要なセンサーであるが、訓練されたデータの条件がデプロイメント環境と一致しない場合、その性能は大幅に低下し、ドメインギャップと呼ばれる問題が発生する。 本研究では、昼夜の照明の違いと領域ギャップについて考察する。 従来のカメラの代わりに、追加の調整を必要とせず、照明条件領域のギャップをまたいで性能を維持できる潜在的な代替手段として、イベントカメラを提案する。 以上の結果から, イベントカメラは点灯条件の整合性を維持し, 一般にグレースケールフレームに匹敵する領域シフトのペナルティを示し, クロスドメインシナリオにおいて優れたベースライン性能を提供することがわかった。

関連論文リスト

• From Sharp to Blur: Unsupervised Domain Adaptation for 2D Human Pose Estimation Under Extreme Motion Blur Using Event Cameras [47.65729940410823]
  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。
  論文  参考訳（メタデータ） (2025-07-30T07:30:40Z)
• Deblur e-NeRF: NeRF from Motion-Blurred Events under High-speed or Low-light Conditions [56.84882059011291]
  動き赤外イベントからぼやけた最小のNeRFを再構成する新しい手法であるDeblur e-NeRFを提案する。 また,大きなテクスチャレスパッチの正規化を改善するために,新しいしきい値正規化全変動損失を導入する。
  論文  参考訳（メタデータ） (2024-09-26T15:57:20Z)
• Event-based Visual Tracking in Dynamic Environments [0.0]
  イベントカメラとオフザシェルフ深層学習の両方を活用するためのフレームワークを提案する。 イベントデータを強度フレームに再構成することで、従来のカメラが許容できない状況下でのトラッキング性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-12-15T12:18:13Z)
• Lasers to Events: Automatic Extrinsic Calibration of Lidars and Event Cameras [67.84498757689776]
  本稿では,イベントカメラとライダーの直接校正法について述べる。 フレームベースのカメラインターミディエートおよび/または高精度の手測定への依存を除去する。
  論文  参考訳（メタデータ） (2022-07-03T11:05:45Z)
• Cross-Domain Correlation Distillation for Unsupervised Domain Adaptation in Nighttime Semantic Segmentation [17.874336775904272]
  CCDistillと呼ばれるクロスドメイン相関蒸留による新しいドメイン適応フレームワークを提案する。 特徴に含まれる内容やスタイルの知識を抽出し、2つの画像間の固有または照度差の度合いを算出する。 Dark Zurich と ACDC の実験では,CCDistill が夜間セマンティックセマンティックセグメンテーションの最先端性能を達成することを示した。
  論文  参考訳（メタデータ） (2022-05-02T12:42:04Z)
• Are High-Resolution Event Cameras Really Needed? [62.70541164894224]
  低照度条件や高速環境では、低解像度カメラは高解像度カメラより優れ、帯域幅は大幅に小さくなる。 この主張は,高解像度のイベントカメラが画素当たりのイベントレートが高いことを示す実証的証拠と理論的証拠の両方を提示する。 多くの場合、高解像度のイベントカメラは、これらの条件下では低解像度のセンサーに比べてタスク性能が低い。
  論文  参考訳（メタデータ） (2022-03-28T12:06:20Z)
• A Preliminary Research on Space Situational Awareness Based on Event Cameras [8.27218838055049]
  イベントカメラは、従来のカメラとは異なる新しいタイプのセンサーである。 トリガーイベントは、画素に照射された明るさの変化である。 従来のカメラと比較して、イベントカメラは高時間分解能、低レイテンシ、高ダイナミックレンジ、低帯域幅、低消費電力の利点がある。
  論文  参考訳（メタデータ） (2022-03-24T14:36:18Z)
• ESL: Event-based Structured Light [62.77144631509817]
  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あり、標準的なカメラよりも大きな利点がある。 本稿では,イベントカメラを用いた新しい構造化光システムを提案し,高精度かつ高速な深度センシングの課題に対処する。
  論文  参考訳（メタデータ） (2021-11-30T15:47:39Z)
• 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)

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。