論文の概要: Event-based Batting Impact Estimation

• arxiv url: http://arxiv.org/abs/2605.25656v1
• Date: Mon, 25 May 2026 10:04:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.636273
• Title: Event-based Batting Impact Estimation
• Title（参考訳）: イベントベースベッティング影響推定
• Authors: Ryotaro Ishida, Wataru Ikeda, Ryosei Hara, Akemi Kobayashi, Toshitaka Kimura, Mariko Isogawa,
• Abstract要約: 検出したボールとコウモリの間の重み付き遠心点距離に基づいて衝突タイミングを推定する新しい枠組みを提案する。 実世界のデータセットを用いた実験により,本手法は困難条件下での精度が向上することを示した。
• 参考スコア（独自算出の注目度）: 1.6111818380407035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the precise timing of batting impact is crucial for understanding the rapid sensorimotor control. However, this task is challenging for RGB cameras due to insufficient temporal resolution and motion blur. Similarly, Inertial Measurement Units (IMUs) are impractical for actual matches due to sensor intrusiveness and their limited temporal precision. To overcome these limitations, we propose a novel framework leveraging event-based cameras, which offer microsecond resolution and high dynamic range, to estimate impact timing based on the weighted centroid distance between the detected ball and bat. To address the domain gap between event frames and RGB images that degrades segmentation accuracy, we generate high-density event frames. We then introduce a mask refinement network that leverages these frames and bidirectional mask information, optimized using a novel loss function. Experiments on real-world datasets demonstrate that our method achieves superior accuracy under challenging conditions, including low-light environments and severe occlusions, outperforming baselines by reducing the Mean Absolute Error by approximately 63%.
• Abstract（参考訳）: 打球の正確なタイミングを推定することは、迅速な感覚運動制御を理解するのに不可欠である。 しかし、この作業は時間分解能の不足や動きのぼかしのため、RGBカメラでは困難である。 同様に、慣性測定ユニット(IMU)は、センサーの侵入性や時間的精度の制限による実際の一致には実用的ではない。 これらの制約を克服するために,検出球とコウモリ間の重み付き遠心点距離に基づいて衝撃タイミングを推定するために,マイクロ秒分解能と高ダイナミックレンジを提供するイベントベースカメラを利用する新しいフレームワークを提案する。 分割精度を低下させるイベントフレームとRGB画像の領域ギャップに対処するため,高密度イベントフレームを生成する。 次に、これらのフレームと双方向マスク情報を活用するマスクリファインメントネットワークを導入し、新しい損失関数を用いて最適化する。 実世界のデータセットを用いた実験により,低照度環境や重度の閉塞を含む難易度条件下での精度が向上し,平均絶対誤差を約63%削減した。

関連論文リスト

• AdaFuse-Det: Adaptive Cross-Modal Fusion of Event Cameras for Robust Object Detection in Low-Light RGB Imagery [2.804640719143954]
  本稿では、CLAHE強化RGBフレームとボキセル化イベントテンソルを融合したデュアルストリームフレームワークであるAdaFuse-Detを紹介する。 LLE-VOSベンチマークでは、AdaFuse-Detのリコールは65.54%、精度は53.85%、F1-Scoreは59.12%である。
  論文  参考訳（メタデータ） (2026-05-23T18:01:48Z)
• Event-based SLAM Benchmark for High-Speed Maneuvers [68.148886127117]
  イベントベースのカメラはバイオインスパイアされたセンサーで、独立して、マイクロ秒の解像度で明るさの変化に非同期に反応する。 既存のイベントベースのアプローチは、高速操作による動きのぼかしを緩和することに成功したが、多くの制限に悩まされた。 イベントベースの状態推定のためのベンチマークフレームワークであるEvSLAMを導入する。
  論文  参考訳（メタデータ） (2026-04-27T04:36:41Z)
• FlashCap: Millisecond-Accurate Human Motion Capture via Flashing LEDs and Event-Based Vision [70.26305628326237]
  ミリ秒差は、スポーツ競技における勝利または敗戦を決定することができる。 PMTはオリンピックのような特殊なシナリオで高速RGBカメラを用いて達成される。 PMTのための最初のフラッシュLEDベースのMoCapシステムであるFlashCapを開発した。
  論文  参考訳（メタデータ） (2026-03-20T08:59:37Z)
• Event-based Visual Deformation Measurement [76.25283405575108]
  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。
  論文  参考訳（メタデータ） (2026-02-16T01:04:48Z)
• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• Learning Monocular Depth from Events via Egomotion Compensation [20.388521240421948]
  イベントカメラはニューロモルフィックにインスパイアされたセンサーで、明るさの変化をわずかに、非同期に報告する。 本研究では,様々な深度仮説の確率を運動補償の効果で明確に決定する,解釈可能な単眼深度推定フレームワークを提案する。 提案手法は, 絶対相対誤差距離において, 最先端手法を最大10%向上させる。
  論文  参考訳（メタデータ） (2024-12-26T05:41:18Z)
• 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)
• Self-supervised Event-based Monocular Depth Estimation using Cross-modal Consistency [18.288912105820167]
  EMoDepth という自己教師型イベントベース単眼深度推定フレームワークを提案する。 EMoDepthは、ピクセル座標内のイベントに整合した強度フレームからのクロスモーダル一貫性を使用して、トレーニングプロセスを制約する。 推論では、単分子深度予測にはイベントのみを使用する。
  論文  参考訳（メタデータ） (2024-01-14T07:16:52Z)
• Event-based Shape from Polarization [43.483063713471935]
  SfP(Shape-from-Polarization)の最先端のソリューションは、スピードレゾリューションのトレードオフに悩まされている。 私たちはイベントカメラを使ってこのトレードオフに取り組みます。 イベントカメラの前で高速に回転する線形偏光器からなる装置を提案する。
  論文  参考訳（メタデータ） (2023-01-17T12:59:58Z)
• Learning Monocular Dense Depth from Events [53.078665310545745]
  イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。 最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。 本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-16T12:36:23Z)

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。