論文の概要: Event6D: Event-based Novel Object 6D Pose Tracking

• arxiv url: http://arxiv.org/abs/2603.28045v1
• Date: Mon, 30 Mar 2026 05:11:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.23939
• Title: Event6D: Event-based Novel Object 6D Pose Tracking
• Title（参考訳）: Event6D: イベントベースの新しいObject 6D Pose Tracking
• Authors: Jae-Young Kang, Hoonehee Cho, Taeyeop Lee, Minjun Kang, Bowen Wen, Youngho Kim, Kuk-Jin Yoon,
• Abstract要約: イベントカメラはマイクロ秒のレイテンシを提供し、高速でダイナミックなシーンでの6Dオブジェクトのポーズトラッキングに適している。 EventTrack6Dは、オブジェクト固有のトレーニングなしで新しいオブジェクトに一般化するイベント深度追跡フレームワークである。 提案手法とデータセットは,新しい物体のイベントベース6次元ポーズトラッキングにおけるイベントカメラの有効性を検証した。
• 参考スコア（独自算出の注目度）: 56.06912826829399
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Event cameras provide microsecond latency, making them suitable for 6D object pose tracking in fast, dynamic scenes where conventional RGB and depth pipelines suffer from motion blur and large pixel displacements. We introduce EventTrack6D, an event-depth tracking framework that generalizes to novel objects without object-specific training by reconstructing both intensity and depth at arbitrary timestamps between depth frames. Conditioned on the most recent depth measurement, our dual reconstruction recovers dense photometric and geometric cues from sparse event streams. Our EventTrack6D operates at over 120 FPS and maintains temporal consistency under rapid motion. To support training and evaluation, we introduce a comprehensive benchmark suite: a large-scale synthetic dataset for training and two complementary evaluation sets, including real and simulated event datasets. Trained exclusively on synthetic data, EventTrack6D generalizes effectively to real-world scenarios without fine-tuning, maintaining accurate tracking across diverse objects and motion patterns. Our method and datasets validate the effectiveness of event cameras for event-based 6D pose tracking of novel objects. Code and datasets are publicly available at https://chohoonhee.github.io/Event6D.
• Abstract（参考訳）: イベントカメラはマイクロ秒のレイテンシを提供し、従来のRGBとディープパイプラインが動きのぼやけと大きなピクセル変位に悩まされる、高速でダイナミックなシーンでの6Dオブジェクトのポーズトラッキングに適している。 EventTrack6Dは、深度フレーム間の任意のタイムスタンプで強度と深さの両方を再構成することにより、オブジェクト固有のトレーニングなしで新しいオブジェクトに一般化するイベントディープトラッキングフレームワークである。 直近の深度測定を前提とした2重再構成では,スパースイベントストリームから高密度な測光および幾何的キューを復元する。 EventTrack6Dは120FPS以上で動作し、高速動作下で時間的一貫性を維持する。 トレーニングと評価を支援するために、トレーニング用の大規模合成データセットと、実およびシミュレーションされたイベントデータセットを含む2つの補完的な評価セットという、総合的なベンチマークスイートを導入する。 EventTrack6Dは、合成データのみに基づいて訓練され、微調整をすることなく、さまざまなオブジェクトや動きパターンを正確に追跡する現実世界のシナリオに効果的に一般化する。 提案手法とデータセットは,新しい物体のイベントベース6次元ポーズトラッキングにおけるイベントカメラの有効性を検証した。 コードとデータセットはhttps://chohoonhee.github.io/Event6D.comで公開されている。

関連論文リスト

• Event-based Motion & Appearance Fusion for 6D Object Pose Tracking [19.564467602010975]
  イベントカメラには、高時間分解能や低レイテンシといった際立った特徴がある。 本稿では,ポーズ補正戦略と融合した伝搬ステップを併用する手法を提案する。 我々の学習自由法は最先端のアルゴリズムに匹敵する性能を有する。
  論文  参考訳（メタデータ） (2026-03-09T11:34:50Z)
• BlinkTrack: Feature Tracking over 80 FPS via Events and Images [50.98675227695814]
  本稿では,イベントデータをグレースケール画像と統合して高周波数特徴追跡を行う新しいフレームワークであるBlinkTrackを提案する。 本手法は,従来のカルマンフィルタを学習ベースのフレームワークに拡張し,イベントおよびイメージの分岐において微分可能なカルマンフィルタを利用する。 実験結果から,BlinkTrackは,マルチモーダリティデータで80FPS,プリプロセッシングイベントデータで100FPS,既存手法ではかなり優れていた。
  論文  参考訳（メタデータ） (2024-09-26T15:54:18Z)
• Line-based 6-DoF Object Pose Estimation and Tracking With an Event Camera [19.204896246140155]
  イベントカメラは、高いダイナミックレンジ、低レイテンシ、動きのぼけに対するレジリエンスといった顕著な特性を持っている。 イベントカメラを用いた平面オブジェクトや非平面オブジェクトに対するラインベースロバストポーズ推定と追跡手法を提案する。
  論文  参考訳（メタデータ） (2024-08-06T14:36:43Z)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• ROFT: Real-Time Optical Flow-Aided 6D Object Pose and Velocity Tracking [7.617467911329272]
  RGB-D画像ストリームからの6次元オブジェクトポーズと速度追跡のためのカルマンフィルタ手法であるROFTを導入する。 リアルタイム光フローを活用することで、ROFTは低フレームレートの畳み込みニューラルネットワークの遅延出力をインスタンスセグメンテーションと6Dオブジェクトのポーズ推定に同期させる。 その結果,本手法は6次元オブジェクトのポーズトラッキングと6次元オブジェクトの速度トラッキングを併用しながら,最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-11-06T07:30:00Z)
• VisEvent: Reliable Object Tracking via Collaboration of Frame and Event Flows [93.54888104118822]
  このタスクには現実的でスケールしたデータセットがないため、大規模なVisible-Eventベンチマーク(VisEventと呼ぶ)を提案する。 私たちのデータセットは、低照度、高速、背景乱雑なシナリオ下でキャプチャされた820のビデオペアで構成されています。 VisEventに基づいて、イベントフローをイベントイメージに変換し、30以上のベースラインメソッドを構築します。
  論文  参考訳（メタデータ） (2021-08-11T03:55:12Z)
• Tracking 6-DoF Object Motion from Events and Frames [0.0]
  本研究では,6自由度(6-DoF)物体の動き追跡のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-03-29T12:39:38Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)
• e-TLD: Event-based Framework for Dynamic Object Tracking [23.026432675020683]
  本稿では,一般的な追跡条件下での移動イベントカメラを用いた長期オブジェクト追跡フレームワークを提案する。 このフレームワークは、オンライン学習を伴うオブジェクトの識別表現を使用し、ビューのフィールドに戻るとオブジェクトを検出し、追跡する。
  論文  参考訳（メタデータ） (2020-09-02T07:08:56Z)
• Asynchronous Tracking-by-Detection on Adaptive Time Surfaces for Event-based Object Tracking [87.0297771292994]
  本稿では,イベントベースのトラッキング・バイ・ディテクト(ETD)手法を提案する。 この目的を達成するために,線形時間決定(ATSLTD)イベント・ツー・フレーム変換アルゴリズムを用いた適応時間曲面を提案する。 提案手法と,従来のカメラやイベントカメラをベースとした7種類のオブジェクト追跡手法と,ETDの2種類のバリエーションを比較した。
  論文  参考訳（メタデータ） (2020-02-13T15:58:31Z)

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。