論文の概要: EventHub: Data Factory for Generalizable Event-Based Stereo Networks without Active Sensors
- arxiv url: http://arxiv.org/abs/2604.02331v1
- Date: Thu, 02 Apr 2026 17:59:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:10.996848
- Title: EventHub: Data Factory for Generalizable Event-Based Stereo Networks without Active Sensors
- Title（参考訳）: EventHub: アクティブセンサのない一般化可能なイベントベースステレオネットワークのためのデータファクトリ
- Authors: Luca Bartolomei, Fabio Tosi, Matteo Poggi, Stefano Mattoccia, Guillermo Gallego,
- Abstract要約: 本研究では,高コストなアクティブセンサから地上の真理アノテーションを使わずに,ディープラーニングステレオネットワークをトレーニングするための新しいフレームワークであるEventHubを提案する。
我々は、最先端のビュー合成技術を通じてプロキシアノテーションとプロキシイベントを導き出すか、あるいは、既に画像がイベントデータとペアリングされている場合、単純にプロキシアノテーションを導き出す。
広く使われているイベントステレオデータセットの実験は、EventHubの有効性をサポートし、同じデータ蒸留機構がRGBステレオ基礎モデルの精度をいかに向上するかを示す。
- 参考スコア（独自算出の注目度）: 63.131545315457544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose EventHub, a novel framework for training deep-event stereo networks without ground truth annotations from costly active sensors, relying instead on standard color images. From these images, we derive either proxy annotations and proxy events through state-of-the-art novel view synthesis techniques, or simply proxy annotations when images are already paired with event data. Using the training set generated by our data factory, we repurpose state-of-the-art stereo models from RGB literature to process event data, obtaining new event stereo models with unprecedented generalization capabilities. Experiments on widely used event stereo datasets support the effectiveness of EventHub and show how the same data distillation mechanism can improve the accuracy of RGB stereo foundation models in challenging conditions such as nighttime scenes.
- Abstract（参考訳）: 本研究では,標準カラー画像に代えて,高価な能動センサによる地平線アノテーションを使わずにディープエフェクトステレオネットワークをトレーニングするための新しいフレームワークであるEventHubを提案する。
これらの画像から、最先端の新規ビュー合成技術を通じてプロキシアノテーションとプロキシイベントを導出するか、あるいは、既に画像がイベントデータとペアリングされている場合、単にプロキシアノテーションを導出する。
データファクトリが生成するトレーニングセットを用いて、RGB文献からイベントデータを処理するための最先端ステレオモデルを再利用し、前例のない一般化機能を備えた新しいイベントステレオモデルを得る。
広く使用されているイベントステレオデータセットの実験は、EventHubの有効性をサポートし、夜間シーンのような挑戦的な条件下で、同じデータ蒸留機構がRGBステレオ基盤モデルの精度を向上することを示す。
関連論文リスト
- EventGeM: Global-to-Local Feature Matching for Event-Based Visual Place Recognition [13.821242174757392]
我々は、イベントベースの視覚的場所認識のための、最先端のグローバルなローカルな特徴融合パイプラインであるEventGeMを紹介する。
イベントカメラから直接イベントストリームを使用して、オンラインのローカライゼーションを行うロボットプラットフォーム上での実際のデプロイメントにおけるEventGeMの機能を示す。
論文 参考訳（メタデータ） (2026-03-06T01:40:12Z) - Decoupling Amplitude and Phase Attention in Frequency Domain for RGB-Event based Visual Object Tracking [51.31378940976401]
既存のRGB-Eventトラッキングアプローチでは、イベントカメラのユニークな利点を完全に活用できない。
本稿では,周波数領域の早期融合を実現する新しい追跡フレームワークを提案する。
FE108, FELT, COESOTなど, 広く使用されている3つのRGB-Event追跡ベンチマークデータセットの実験により, 提案手法の性能と効率を実証した。
論文 参考訳（メタデータ） (2026-01-03T01:10:17Z) - ControlEvents: Controllable Synthesis of Event Camera Datawith Foundational Prior from Image Diffusion Models [61.17744115607788]
本稿では,多様な制御信号によって誘導される高品質なイベントデータを合成するために,拡散に基づく生成モデルを提案する。
視覚認識, 2次元骨格推定, 3次元身体ポーズ推定のためのイベントデータを合成することで, 本手法の有効性を実証する。
論文 参考訳（メタデータ） (2025-09-26T19:22:07Z) - When Person Re-Identification Meets Event Camera: A Benchmark Dataset and An Attribute-guided Re-Identification Framework [48.16640931718528]
本稿では,大規模なRGB-eventベースの人物ReIDデータセットであるEvReIDを紹介する。
データセットには118,988枚の画像ペアが含まれ、1200人の歩行者の身元をカバーし、複数の季節、シーン、照明条件のデータを収集している。
また、15の最先端のReIDアルゴリズムを評価し、データとベンチマークの両方の観点から将来の研究の基盤を構築します。
論文 参考訳（メタデータ） (2025-07-18T05:04:59Z) - EvDNeRF: Reconstructing Event Data with Dynamic Neural Radiance Fields [80.94515892378053]
EvDNeRFは、イベントデータを生成し、イベントベースの動的NeRFをトレーニングするためのパイプラインである。
NeRFは幾何学ベースの学習可能なレンダリングを提供するが、イベントの以前の作業は静的なシーンの再構築のみを考慮していた。
各種イベントのバッチサイズをトレーニングすることにより、微細な時間解像度でイベントのテスト時間予測を改善することができることを示す。
論文 参考訳（メタデータ） (2023-10-03T21:08:41Z) - Chasing Day and Night: Towards Robust and Efficient All-Day Object Detection Guided by an Event Camera [8.673063170884591]
EOLOは、RGBとイベントモダリティの両方を融合させることで、堅牢で効率的な全日検出を実現する、新しいオブジェクト検出フレームワークである。
我々のEOLOフレームワークは、イベントの非同期特性を効率的に活用するために、軽量スパイキングニューラルネットワーク(SNN)に基づいて構築されている。
論文 参考訳（メタデータ） (2023-09-17T15:14:01Z)
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。