論文の概要: Event-RGB Adaptive Tracking for Nighttime Highway Perception

• arxiv url: http://arxiv.org/abs/2607.11646v1
• Date: Mon, 13 Jul 2026 14:59:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.51779
• Title: Event-RGB Adaptive Tracking for Nighttime Highway Perception
• Title（参考訳）: 夜間ハイウェイ知覚のためのイベントRGB適応トラッキング
• Abstract要約: インテリジェントトランスポーテーションシステムは主に、交通認識と車両追跡のために従来のRGBカメラに依存している。 夜間のシナリオは、動きのぼやけ、露出不足、信号対雑音比の低さに悩まされ、RGBベースのセンシングシステムの信頼性が壊滅的に損なわれる。 本稿では,これらの制約に対処する新しい統合イベント-RGB適応トラッキング(JEAT)フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 7.388485566907394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intelligent Transportation Systems deployed on highways predominantly rely on conventional RGB cameras for traffic perception and vehicle tracking. However, highway environments present unique challenges: the absence of artificial lighting infrastructure, combined with high vehicle velocities, results in severely degraded perception performance under low-light conditions. Specifically, nighttime scenarios suffer from motion blur, insufficient exposure, and poor signal-to-noise ratios, which catastrophically impair the reliability of RGB-based sensing systems. To address these limitations, we propose a novel Joint Event-RGB Adaptive Tracking (JEAT) framework. Unlike existing multi-sensor trackers constrained by rigid, hard-coded prioritization, JEAT merges asynchronous event streams and RGB frames into a unified joint data association optimization. By employing an Adaptive Extended Kalman Filter to continuously estimate measurement noise via NIS statistics, the framework dynamically weights and fuses both modalities, optimally harnessing event streams during dark or high-speed motion while leveraging RGB frames under bright or static conditions. Furthermore, given the absence of publicly available datasets tailored for event-based highway perception with diverse environmental conditions, we present SEHN, a large-scale synthetic dataset generated using the CARLA simulator. Our dataset encompasses diverse environmental conditions (daytime, nighttime, nighttime with out artificial lighting) and varying traffic densities, providing synchronized RGB imagery and event streams to facilitate multi-modal fusion research. Our code and datasets will be available at https://github.com/haidongwang96/SEHN.
• Abstract（参考訳）: 高速道路に配備されたインテリジェントトランスポーテーションシステムは、主に交通認識と車両追跡のために従来のRGBカメラに依存している。 しかし、ハイウェイ環境は、高い車両速度と組み合わされた人工照明設備の欠如により、低照度環境下での認識性能が著しく低下するなど、ユニークな課題を呈している。 具体的には、夜間のシナリオは、動きのぼやけ、露出不足、信号対雑音比の低さに悩まされ、RGBベースのセンシングシステムの信頼性を損なう。 これらの制約に対処するため,新しいイベント-RGB適応トラッキング(JEAT)フレームワークを提案する。 厳密でハードコードされた優先順位付けによって制約された既存のマルチセンサートラッカーとは異なり、JEATは非同期イベントストリームとRGBフレームを統合データアソシエーション最適化にマージする。 適応拡張カルマンフィルタ(Adaptive Extended Kalman Filter)を用いて、NIS統計による計測ノイズを連続的に推定することにより、このフレームワークは動的に重み付け、両方のモダリティを融合し、明るい条件や静的条件下でRGBフレームを活用するとともに、暗または高速動作時のイベントストリームを最適に活用する。 さらに,CARLAシミュレータを用いた大規模合成データセットSEHNを提案する。 我々のデータセットは、様々な環境条件(昼間、夜間、夜間、人工照明なし)と様々な交通密度を包含し、マルチモーダル融合研究を容易にするために、同期RGB画像とイベントストリームを提供する。 コードとデータセットはhttps://github.com/haidongwang96/SEHN.comで公開されます。

関連論文リスト

• Cyclops: LiDAR as a Camera That Dreams in Color [32.25721672776894]
  本稿では,非反復走査LiDAR(NRS-LiDAR)強度をRGBビデオに変換するフレームワークを提案する。 提案手法は, 凍結した予混合密度モジュールを用いて, スパースLiDAR強度射影を密度密度表現に変換する。 その後、高密度潜水剤はラテントブリッジマッチングを介してターゲットRGB分布へ輸送される。
  論文  参考訳（メタデータ） (2026-08-17T08:37:09Z)
• Descriptor: LYNRED Mobility Dataset Multimodal Detection Subset (LYNRED-MDS) [21.053811864320302]
  フランスのグレノーブルで撮影された4000RGBの赤外線画像対からなるLYNRED-MDS: Multimodal Detection Subsetを紹介する。 我々のデータセットは、高度な運転支援システムのためのより信頼性が高く、デプロイ可能な視覚システムの開発を支援する。
  論文  参考訳（メタデータ） (2026-07-02T08:26:39Z)
• Active Adversarial Perturbation-driven Associative Memory Retrieval for RGB-Event Visual Object Tracking [58.338848435042536]
  RGB-Eventトラッキングは、イベントセンサからRGB外観テクスチャと高密度時間運動キューを融合することにより、ローカライズを改善する。 現実世界のシーンは、従来のマルチモーダル融合を妨げる多様な構造的な信号劣化に悩まされる。 本稿では,RGBイベント追跡に適した階層的摂動・検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-24T23:34:06Z)
• FEMOT: Multi-Object Tracking using Frame and Event Cameras [57.75021868843091]
  バイオインスパイアされたイベントカメラは、高時間分解能と高ダイナミックレンジを提供し、極端なシナリオ下で補完的な手がかりを提供する。 FEMOTは、さまざまな現実シナリオと14の課題属性をカバーした、大規模でRGBのマルチオブジェクト追跡データセットである。 FEMOTRは、RGBとイベント機能を分離し、周波数領域でそれらを融合するマルチモーダルトラッキングフレームワークである。
  論文  参考訳（メタデータ） (2026-06-12T04:17:41Z)
• Design of a Real-time Asynchronous Monocular Odometry for Planetary Exploration [0.0]
  惑星探査のためのリアルタイム非同期イベントベース単分子オードメトリー カメラ状態はリアルタイム非同期機能トラッカーであるRATEが生成するすべての追跡された位置で更新される。
  論文  参考訳（メタデータ） (2026-05-26T20:25:33Z)
• 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)
• SEVD: Synthetic Event-based Vision Dataset for Ego and Fixed Traffic Perception [22.114089372056238]
  我々は、SEVD、第一種マルチビューエゴ、固定認識合成イベントベースデータセットを提案する。 SEVDは、都市、郊外、田園部、ハイウェイのシーンに、様々な種類の物体がある。 本研究では,最新のイベントベース (RED, RVT) とフレームベース (YOLOv8) を用いて,トラフィック検出タスクのデータセットを評価する。
  論文  参考訳（メタデータ） (2024-04-12T20:40:12Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)
• 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)
• Revisiting Event-based Video Frame Interpolation [49.27404719898305]
  ダイナミックビジョンセンサーやイベントカメラは、ビデオフレームに豊富な補完情報を提供する。 イベントからの光の流れを推定することは、RGB情報より間違いなく困難である。 イベントベースの中間フレーム合成を複数の単純化段階において漸進的に行う分割・対数戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-24T06:51:07Z)
• Asynchronous Blob Tracker for Event Cameras [5.64242497932732]
  イベントベースのカメラは、高時間分解能、低レイテンシ、高範囲のために、高速で動く物体を追跡するのに人気がある。 本稿では,生イベントをリアルタイムに非同期に追跡する新しいアルゴリズムを提案する。 本アルゴリズムは, 難解な照明条件下であっても, 高精度なブロブ追跡, 速度推定, 形状推定を実現する。
  論文  参考訳（メタデータ） (2023-07-20T05:15:03Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。