論文の概要: EventShiftFlow: Towards Hardware-efficient FPGA-based Flow Estimation

• arxiv url: http://arxiv.org/abs/2605.28312v1
• Date: Wed, 27 May 2026 11:13:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.994909
• Title: EventShiftFlow: Towards Hardware-efficient FPGA-based Flow Estimation
• Title（参考訳）: EventShiftFlow: ハードウェア効率のよいFPGAベースのフロー推定を目指す
• Authors: Arianna Alonso Bizzi, Fernando Cladera, C. J. Taylor,
• Abstract要約: イベントベースの視覚センサは、非同期で高時間分解能の測定を提供する。 多くの事象に基づく動き推定法は計算集約的であり、FPGAハードウェアにマップすることは困難である。 本稿では,非同期イベントを固定時間ビンに離散化し,1ビット空間占有格子を構築し,複数の速度仮説を並列に評価するストリーミング速度推定器を提案する。
• 参考スコア（独自算出の注目度）: 43.77587889970362
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Event-based vision sensors offer asynchronous, high-temporal-resolution measurements that are attractive for low-latency robotic perception, but many event-based motion estimation methods are computationally intensive and difficult to map to FPGA hardware. We present a streaming velocity estimator that discretizes asynchronous events into fixed-duration time bins, constructs a 1-bit spatial occupancy grid, and evaluates multiple velocity hypotheses in parallel using only fixed-width integer logic - shift registers, counters, comparators, and small LUT-mapped multiplies - with no dividers and no DSP blocks. It requires no frame reconstruction, no floating-point arithmetic, and no iterative optimization. The method deliberately trades dense sub-pixel optical flow for a sparse, quantized velocity estimate at each active pixel, suited to low-latency tasks such as reactive obstacle avoidance on size-, weight-, and power-constrained platforms. On noisy synthetic data with known ground-truth velocities, the method recovers both magnitude and direction, with magnitude estimates being most challenged when objects of different velocities intersect. On a real event-camera sequence, directional accuracy reaches 99.5% across all four evaluated motion segments, with performance remaining robust across occupancy densities in the 10-40% range. We characterize the algorithm's density-dependent behavior, present a parameter sensitivity analysis, show that the proposed datapath requires less than 2 kB of storage, and implement a single-axis prototype on a low-cost Xilinx Artix-7.
• Abstract（参考訳）: イベントベースの視覚センサは、低遅延ロボットの知覚に魅力的な、非同期で高時間分解能の計測を提供するが、多くのイベントベースのモーション推定手法は計算集約的でFPGAハードウェアへのマッピングが困難である。 1ビット空間占有格子を構築し,固定幅の整数論理(シフトレジスタ,カウンタ,コンパレータ,LUT対応の小型乗算器)のみを用いて並列に複数の速度仮説を評価する。 フレーム再構築も浮動小数点演算も反復最適化も不要である。 本手法は,高密度サブピクセルの光学的流れを,各アクティブ画素における量子化速度推定値として意図的に交換し,サイズ,重み,電力制約のあるプラットフォーム上での反応性障害物回避などの低レイテンシなタスクに適合する。 既知の地絡速度を持つノイズの多い合成データでは、異なる地絡速度の物体が交差する場合、その大きさと方向の両方を推定する。 実際のイベントカメラのシーケンスでは、方向精度は4つの評価された動作セグメントすべてで99.5%に達し、10～40%の範囲での占有密度でパフォーマンスは頑健である。 我々は,アルゴリズムの密度依存挙動を特徴付け,パラメータ感度解析を行い,提案したデータパスが2kB未満のストレージを必要とすることを示すとともに,低コストのXilinx Artix-7上に単一軸プロトタイプを実装した。

関連論文リスト

• FNODE: Flow-Matching for data-driven simulation of constrained multibody systems [4.734933620065242]
  Flow-Matching Neural Ordinary Differential Equation (FNODE)は、軌道データから直接加速ベクトル場を学習するフレームワークである。 FNODEは、従来のNeural ODEのボトルネックを表すODEソルバによるバックプロパゲーションの必要性を排除する。 我々はFNODEを,単発・三発のマススプリングダンパシステム,ダブル振り子,スライダークランク,カートポールなど,多種多様なベンチマークで評価した。
  論文  参考訳（メタデータ） (2025-08-29T18:31:11Z)
• Dynamic Frame Interpolation in Wavelet Domain [57.25341639095404]
  ビデオフレームは、より流動的な視覚体験のためにフレームレートを上げることができる、重要な低レベルな計算ビジョンタスクである。 既存の手法は、高度なモーションモデルと合成ネットワークを利用することで大きな成功を収めた。 WaveletVFIは、同様の精度を維持しながら最大40%の計算を削減できるため、他の最先端技術に対してより効率的に処理できる。
  論文  参考訳（メタデータ） (2023-09-07T06:41:15Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
  ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。 現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。 提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
  論文  参考訳（メタデータ） (2021-03-08T03:09:37Z)
• EBBINNOT: A Hardware Efficient Hybrid Event-Frame Tracker for Stationary Dynamic Vision Sensors [5.674895233111088]
  本稿では,静止型ニューロモルフィックセンサによって記録された物体を検知・追跡するための複合イベントフレーム手法を提案する。 静的DVSの背景除去特性を活用するために,フレーム内のイベントの有無を通知するイベントベースバイナリ画像生成を提案する。 静止DVSベースのトラフィック監視ソリューションが、同時に記録されたRGBフレームベースの方法と比較されるのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-05-31T03:01:35Z)

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。