論文の概要: Frequency-domain Event-based Imaging for Selective Surveillance

• arxiv url: http://arxiv.org/abs/2605.15392v1
• Date: Thu, 14 May 2026 20:25:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 03:45:13.13568
• Title: Frequency-domain Event-based Imaging for Selective Surveillance
• Title（参考訳）: 周波数領域イベントベースイメージングによる選択的サーベイランス
• Authors: Megan Birch, James Rick, Adrish Kar, Jason Zutty, Joseph L. Greene,
• Abstract要約: 本稿では、ニューロモルフィック処理フレームワークであるイベント空間の周波数レート情報(FRIES)を紹介する。 FRIESは回転回転や機械振動などの事象の周期性を検出し、人工物体の識別と監視を行う。 予備的な結果は、ニューロモルフィックパイプラインにおける選択的監視のための有望なフロントエンドとして周波数領域イベント処理を確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event-based cameras (EBCs) are an attractive sensing modality for surveillance due to their reporting of pixel-level radiance changes with microsecond resolution and high dynamic range, enabling motion extraction while suppressing background. Their asynchronous, sparse output, however, necessitate algorithms that identify targets in event-space without processing full frames. We introduce Frequency Rate Information for Event Space (FRIES), a neuromorphic processing framework that detects periodicity in events, such as rotor rotation and mechanical vibrations, to discriminate and monitor man-made objects. FRIES first applies a time gate to suppress background and noise, then aggregates events into a pixel-wise activity (e.g., density) map and clusters pixels into regions-of-interest (ROIs). A localized spectral analysis is applied to each ROI to extract dominant frequencies used to distinguish structured object signatures from unstructured background and noise. Discriminated targets are visualized using a Resonant Time Surface (RTS), a frequency-selective method that weights events by their phase coherence with the extracted frequencies, rewarding in-sync content and suppressing out-of-sync clutter. We demonstrate FRIES and RTS in a controlled indoor experiment to recover the rotational frequency of a mechanical chopper and drone rotors against a moving background. We further test these methods on an outdoor data to detect a hovering drone against a realistic treeline. These preliminary results establish frequency-domain event processing as a promising front-end for selective surveillance in neuromorphic pipelines and a complementary surveillance modality, leveraging the high temporal resolution to enable spectral discrimination.
• Abstract（参考訳）: イベントベースカメラ(EBC)は、マイクロ秒分解能と高ダイナミックレンジによる画素レベルの放射率変化を報告し、背景を抑えながら動きの抽出を可能にするため、監視のための魅力的なセンシングモダリティである。 しかし、非同期でスパースな出力は、完全なフレームを処理せずにイベント空間内のターゲットを特定するアルゴリズムを必要とする。 本稿では, 回転回転や機械振動などの事象の周期性を検出するニューロモルフィック処理フレームワークであるFRIESを導入し, 人工物体の識別・監視を行う。 FRIESは最初、背景とノイズを抑えるためにタイムゲートを適用し、次にイベントをピクセル単位のアクティビティ(例えば密度)マップに集約し、ピクセルを関心の領域(ROI)に集約する。 各ROIに局所スペクトル分析を適用し、非構造的背景と雑音とを区別するために用いられる支配周波数を抽出する。 位相コヒーレンスと抽出された周波数との位相コヒーレンスによるイベントの重み付け、非同期コンテンツへの報奨、非同期クラッタの抑制を行う周波数選択法である共振時間表面(RTS)を用いて、識別対象を可視化する。 制御室内実験においてFRIESとRTSを実演し、機械式チョッパーとドローンローターの回転周波数を移動背景に対して復元する。 さらに、実際のツリーラインに対してホバリングドローンを検出するために、屋外データを用いてこれらの手法をテストする。 これらの予備的な結果は、周波数領域イベント処理をニューロモルフィックパイプラインにおける選択的監視のための有望なフロントエンドとして確立し、高時間分解能を利用してスペクトル判別を可能にする。

関連論文リスト

• 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)
• Event Signal Filtering via Probability Flux Estimation [58.31652473933809]
  イベントは、非同期センシングを通じてシーンダイナミクスをキャプチャするための新しいパラダイムを提供するが、その固有のランダム性は、しばしば劣化した信号品質につながる。 したがって、イベント信号フィルタリングは、この内部ランダム性を低減し、多様な取得条件をまたいだ一貫した出力を確保することで、忠実性を高めるために不可欠である。 本稿ではイベント密度フローフィルタ(EDFilter)と呼ばれる生成オンラインフィルタリングフレームワークを紹介する。 実験では、イベントフィルタリング、スーパーレゾリューション、イベントベースの直接追跡といったタスクでEDFilterのパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-10T07:03:08Z)
• FlexEvent: Towards Flexible Event-Frame Object Detection at Varying Operational Frequencies [59.10607296658509]
  イベントカメラは、動的環境におけるリアルタイムの知覚に相容れないアドバンテージを提供する。 イベント検出器は固定周波数のパラダイムによって制限されており、イベントデータの高時間分解能と適応性を完全に活用できない。 我々は、様々な周波数で検出できる新しいフレームワークFlexEventを提案する。
  論文  参考訳（メタデータ） (2024-12-09T17:57:14Z)
• DenoDet: Attention as Deformable Multi-Subspace Feature Denoising for Target Detection in SAR Images [20.11145540094807]
  本稿では、畳み込みバイアスを校正し、高周波により多くの注意を払うために、明示的な周波数領域変換によって支援されるネットワークを提案する。 変換領域ソフトしきい値処理を行う動的周波数領域アテンションモジュールであるTransDenoを設計する。 プラグアンドプレイのTransDenoは、複数のSARターゲット検出データセットに対して最先端のスコアを設定する。
  論文  参考訳（メタデータ） (2024-06-05T01:05:26Z)
• Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in VIS and NIR Scenario [87.72258480670627]
  既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。 本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
  論文  参考訳（メタデータ） (2022-07-05T09:27:53Z)
• Neuromorphic Camera Denoising using Graph Neural Network-driven Transformers [3.805262583092311]
  ニューロモルフィック・ビジョン(Neuromorphic vision)は、コンピュータビジョンコミュニティのパラダイムシフトを引き起こしたバイオインスパイアされた技術である。 ニューロモルフィックカメラは、かなりの量の計測ノイズに悩まされている。 このノイズは、ニューロモルフィック事象に基づく知覚とナビゲーションアルゴリズムの性能を劣化させる。
  論文  参考訳（メタデータ） (2021-12-17T18:57:36Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)

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。