論文の概要: Cooking beyond Frames: A Stereo Event Camera Dataset in the Kitchen

• arxiv url: http://arxiv.org/abs/2608.04865v1
• Date: Wed, 05 Aug 2026 13:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.947976
• Title: Cooking beyond Frames: A Stereo Event Camera Dataset in the Kitchen
• Title（参考訳）: フレームを超えて調理する:キッチンのステレオイベントカメラデータセット
• Authors: Chengming Feng, Hesam Araghi, Liming Zheng, Julien Dupeyroux, Xucong Zhang, Jan van Gemert, Nergis Tömen,
• Abstract要約: キッチンにおける人間の調理活動の大規模ステレオイベントカメラベンチマークデータセットであるEventKitchenを紹介した。 EventKitchenは5.5時間のステレオイベント記録と同期RGB、深さ、IMUデータで構成される。 EventKitchenのベースラインモデルをトレーニングして、アクション認識、オブジェクト検出、ステレオ深さ推定など、複数のイベントベースのタスクを実行します。
• 参考スコア（独自算出の注目度）: 13.51664777359244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event cameras, also known as neuromorphic cameras, have gained significant attention in recent years due to their high temporal resolution, high dynamic range, and low power consumption. While many studies and datasets in neuromorphic vision have focused on automotive and drone applications, human-centric daily-life scenarios remain largely underrepresented, despite their importance for developing and benchmarking event-based perception systems. Moreover, the few existing event-based human activity datasets are typically recorded with scripted human actions, limiting their ability to capture natural human behaviors. In this paper, we introduce EventKitchen, a large-scale stereo event camera benchmark dataset of human cooking activities in the kitchen. EventKitchen is egocentrically collected from 10 participants in 13 diverse kitchens, where the participants wear a helmet with multiple sensors and naturally perform cooking activities, without any scripted actions. EventKitchen comprises 5.5 hours of stereo event recordings with synchronized RGB, depth, and IMU data. We provide human annotations for 10,762 action segments and 13,482 bounding boxes. We train baseline models on EventKitchen to perform multiple event-based tasks, including action recognition, object detection, and stereo depth estimation. By capturing natural, real-world human activities, EventKitchen establishes a challenging benchmark for neuromorphic vision beyond autonomous driving.
• Abstract（参考訳）: イベントカメラ、またはニューロモルフィックカメラは、高時間分解能、高ダイナミックレンジ、低消費電力のために近年注目されている。 ニューロモルフィック・ビジョンにおける多くの研究やデータセットは、自動車やドローンの応用に焦点を合わせてきたが、イベントベースの知覚システムの開発とベンチマークの重要性にもかかわらず、人間中心の日々のシナリオはほとんど表現されていない。 さらに、既存のイベントベースの人間のアクティビティデータセットは典型的にはスクリプト化された人間のアクションで記録され、自然な人間の振る舞いをキャプチャする能力を制限する。 本稿では,キッチンにおける調理活動の大規模ステレオ・イベントカメラベンチマークであるEventKitchenを紹介する。 EventKitchenは、13の多様なキッチンで10人の参加者からエゴセントリックに収集され、参加者は複数のセンサーでヘルメットを着用し、自然な調理活動を行う。 EventKitchenは5.5時間のステレオイベント記録と同期RGB、深さ、IMUデータで構成される。 10,762のアクションセグメントと13,482のバウンディングボックスに対して、人間のアノテーションを提供する。 EventKitchenのベースラインモデルをトレーニングして、アクション認識、オブジェクト検出、ステレオ深さ推定など、複数のイベントベースのタスクを実行します。 EventKitchenは、自然で現実世界の人間の活動を捉えることによって、自律運転を超えたニューロモルフィックなビジョンの、挑戦的なベンチマークを確立している。

関連論文リスト

• Embody 3D: A Large-scale Multimodal Motion and Behavior Dataset [64.37557018733408]
  Embody 3Dは、439人の参加者から収集された500時間分の3Dモーションデータからなるマルチモーダルデータセットである。 データセットには、誘発された動き、手の動き、移動を含む、幅広い個人動作データが含まれている。 我々は,手の動きの追跡や身体形状,テキストアノテーション,参加者毎に別々の音声トラックなど,追跡された人間の動作を提供する。
  論文  参考訳（メタデータ） (2025-10-17T23:06:36Z)
• EPFL-Smart-Kitchen-30: Densely annotated cooking dataset with 3D kinematics to challenge video and language models [69.44009961659668]
  キッチン環境内のモーションキャプチャプラットフォームで収集したEPFL-Smart-Kitchen-30データセットについて紹介する。 9台の静止RGB-Dカメラ、慣性測定ユニット(IMU)、ヘッドマウント型HoloLens2ヘッドセットが3D手、体、眼の動きを捉えた。 このデータセットは、シンクロナイズドエキソセントリック、エゴセントリック、深さ、IMU、視線、体、手動の4種類のレシピを調理する16人の被験者の29.7時間にわたる多視点アクションデータセットである。
  論文  参考訳（メタデータ） (2025-06-02T12:46:44Z)
• EventEgo3D++: 3D Human Motion Capture from a Head-Mounted Event Camera [64.58147600753382]
  EventEgo3D++は、人間の3Dモーションキャプチャーのための魚眼レンズを備えた単眼のイベントカメラである。 イベントカメラは、高時間分解能のため、高速なシナリオと様々な照明で優れる。 提案手法は,リアルタイム3次元ポーズ更新を140Hzの速度でサポートする。
  論文  参考訳（メタデータ） (2025-02-11T18:57:05Z)
• Exploring Event-based Human Pose Estimation with 3D Event Representations [26.34100847541989]
  我々は、Rasterized Event Point Cloud(Ras EPC)とDecoupled Event Voxel(DEV)の2つの3Dイベント表現を紹介した。 Ras EPCは、簡潔な時間スライス内のイベントを同じ位置で集約し、それらの3D属性を統計情報と共に保存し、メモリと計算要求を大幅に削減する。 提案手法は,DHP19公開データセット,MMHPSDデータセット,EV-3DPWデータセットで検証し,誘導駆動シーンデータセットEV-JAADと屋外収集車両によるさらなる定性検証を行った。
  論文  参考訳（メタデータ） (2023-11-08T10:45:09Z)
• Human in Events: A Large-Scale Benchmark for Human-centric Video Analysis in Complex Events [106.19047816743988]
  我々は、Human-in-Events(Human-in-Events)またはHiEve(HiEve)という、包括的なアノテーションを備えた新しい大規模データセットを提案する。 これには、複雑なイベントにおけるアクションインスタンスの最大数(>56k)と、長時間続くトラジェクトリの最大数(>1M)が含まれている。 多様なアノテーションに基づいて、アクション認識とポーズ推定のための2つのシンプルなベースラインを提示する。
  論文  参考訳（メタデータ） (2020-05-09T18:24:52Z)
• The EPIC-KITCHENS Dataset: Collection, Challenges and Baselines [88.47608066382267]
  この大規模なデータセットが、32人の参加者によって、彼らのネイティブキッチン環境でどのようにキャプチャされたか、詳しく説明します。 録音は10カ国から4カ国で行われた。 私たちのデータセットは、11.5万フレームからなる55時間のビデオで構成されており、合計39.6Kアクションセグメントと454.2Kオブジェクトバウンディングボックスを密にラベル付けしています。
  論文  参考訳（メタデータ） (2020-04-29T21:57:04Z)

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。