論文の概要: Event-based Visual Deformation Measurement

• arxiv url: http://arxiv.org/abs/2602.14376v1
• Date: Mon, 16 Feb 2026 01:04:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:50.036117
• Title: Event-based Visual Deformation Measurement
• Title（参考訳）: イベントに基づく視覚的変形計測
• Authors: Yuliang Wu, Wei Zhai, Yuxin Cui, Tiesong Zhao, Yang Cao, Zheng-Jun Zha,
• Abstract要約: 視覚的変形測定は、カメラ観測から表面の動きを追跡することによって、高密度な変形場を復元することを目的としている。 従来の画像ベースの手法は、対応検索空間を制限するため、最小限のフレーム間動作に依存している。 本研究では,時間的に密集した動きキューやフレームのイベントを利用して,空間的に密集した正確な推定を行うイベントフレーム融合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 76.25283405575108
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual Deformation Measurement (VDM) aims to recover dense deformation fields by tracking surface motion from camera observations. Traditional image-based methods rely on minimal inter-frame motion to constrain the correspondence search space, which limits their applicability to highly dynamic scenes or necessitates high-speed cameras at the cost of prohibitive storage and computational overhead. We propose an event-frame fusion framework that exploits events for temporally dense motion cues and frames for spatially dense precise estimation. Revisiting the solid elastic modeling prior, we propose an Affine Invariant Simplicial (AIS) framework. It partitions the deformation field into linearized sub-regions with low-parametric representation, effectively mitigating motion ambiguities arising from sparse and noisy events. To speed up parameter searching and reduce error accumulation, a neighborhood-greedy optimization strategy is introduced, enabling well-converged sub-regions to guide their poorly-converged neighbors, effectively suppress local error accumulation in long-term dense tracking. To evaluate the proposed method, a benchmark dataset with temporally aligned event streams and frames is established, encompassing over 120 sequences spanning diverse deformation scenarios. Experimental results show that our method outperforms the state-of-the-art baseline by 1.6% in survival rate. Remarkably, it achieves this using only 18.9% of the data storage and processing resources of high-speed video methods.
• Abstract（参考訳）: 視覚的変形計測(VDM)は、カメラ観測から表面の動きを追跡することによって、密度の高い変形場を復元することを目的としている。 従来の画像ベースの手法は、フレーム間の最小限の動作に頼って対応検索スペースを制限し、高いダイナミックなシーンに適用性を制限するか、禁止ストレージと計算オーバーヘッドを犠牲にして高速カメラを必要とする。 本研究では,時間的に密集した動きキューやフレームのイベントを利用して,空間的に密集した正確な推定を行うイベントフレーム融合フレームワークを提案する。 Affine Invariant Simplicial (AIS) フレームワークを提案する。 変形場を低パラメトリック表現で線形化された部分領域に分割し、スパースやノイズによる運動のあいまいさを効果的に緩和する。 パラメータ探索の高速化と誤差蓄積の低減を目的として, 局所誤差蓄積の長期追跡を効果的に抑制し, 局所誤差蓄積を効果的に抑制する手法を提案する。 提案手法を評価するために,多種多様な変形シナリオにまたがる120以上のシーケンスを含む時間的整列イベントストリームとフレームを有するベンチマークデータセットを構築した。 その結果,本手法は生存率を1.6%向上させることができた。 注目すべきは、高速ビデオ方式のデータストレージと処理リソースの18.9%しか利用していないことだ。

関連論文リスト

• SV-GS: Sparse View 4D Reconstruction with Skeleton-Driven Gaussian Splatting [19.12278036176021]
  SV-GSは変形モデルと物体の動きを同時に推定するフレームワークである。 提案手法は,PSNRの34%までのスパース観測下での既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-01-01T09:53:03Z)
• Inference-Time Gaze Refinement for Micro-Expression Recognition: Enhancing Event-Based Eye Tracking with Motion-Aware Post-Processing [2.5465367830324905]
  イベントベースの視線追跡は、きめ細かい認知状態の推測に重要な可能性を秘めている。 本稿では、既存の事象に基づく視線推定モデルの出力を高めるために、モデルに依存しない推論時間改善フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-14T14:48:11Z)
• EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
  イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。 本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。 動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。 最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
  論文  参考訳（メタデータ） (2025-03-14T13:15:54Z)
• MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。 このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)
• Continuous-Time Gaussian Process Motion-Compensation for Event-vision Pattern Tracking with Distance Fields [4.168157981135697]
  本研究は,イベントカメラデータにおける動き補償とパターン追跡の問題に対処する。 提案手法は、追跡問題を局所的なSE(2)運動補償ステップに分解し、その後、小さな動き補償イベントバッチのホモグラフィー登録を行う。 我々のオープンソース実装は高精度な動作補償を行い、実世界のシナリオで高品質なトラックを生成する。
  論文  参考訳（メタデータ） (2023-03-05T13:48:20Z)
• TimeLens: Event-based Video Frame Interpolation [54.28139783383213]
  本稿では,合成法とフロー法の両方の利点を生かした,等価寄与法であるTime Lensを紹介する。 最先端のフレームベースおよびイベントベース手法よりもPSNRが最大5.21dB向上したことを示す。
  論文  参考訳（メタデータ） (2021-06-14T10:33:47Z)

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。