論文の概要: Ego-OSCAR: Egocentric Open source Stereo CAptuRe System
- arxiv url: http://arxiv.org/abs/2608.08285v2
- Date: Wed, 12 Aug 2026 05:22:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 14:28:20.423285
- Title: Ego-OSCAR: Egocentric Open source Stereo CAptuRe System
- Title（参考訳）: Ego-OSCAR: Egocentric Open Source Stereo CAptuRe System
- Abstract要約: Ego-OSCARは、エゴセントリックなデータ収集のための低コストなヘッドマウントステレオ慣性キャプチャ装置である。
ハードウェア同期のグローバルシャッターカメラと6軸のIMU、デバイス上のビデオエンコーディングのための組み込みLinux SBC、ユーザフィードバックとウォッチドッグ機能のためのリアルタイムマイクロコントローラを組み合わせている。
1ユニットあたり200ドル以下で、市販の部品と3Dプリント部品のみを使用する。
- 参考スコア（独自算出の注目度）: 0.34202935599316525
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Ego-OSCAR, an open-hardware, low-cost, head-mounted stereo-inertial capture device for egocentric data collection in the wild. EgoOSCAR pairs a hardware-synchronized global-shutter stereo camera with a 6- axis IMU, an embedded Linux SBC for on-device video encoding, and a realtime microcontroller for user feedback and watchdog functions. The complete bill of materials is under USD 200 per unit, using only commercially available components and 3D-printed parts. Alongside the device, we release a complete software stack (hardware-accelerated recording pipeline, IMU sampling daemon, time-synchronization tooling, and watchdog firmware) and roughly 550 hours of egocentric stereo video per camera with synchronized IMU, collected by a distributed contributor network across everyday indoor environments. The release is annotated rather than raw: free-form action captions cover essentially the entire recorded timeline with an open vocabulary, and per-frame 3D hand reconstructions ship alongside per-session stereo calibration. Ego-OSCAR does not aim to match the per-unit fidelity of research-grade systems such as Project Aria; it aims to be the cheapest defensible substrate for crowdsourced egocentric capture, and to lower the activation energy for any team that wants to collect egocentric data at scale. All hardware designs, software, and the dataset are open-sourced
- Abstract（参考訳）: 本稿では,Ego-OSCARについて紹介する。Ego-OSCARはオープン・ハードウエアで,低コストで頭部搭載型ステレオ慣性キャプチャー装置で,野生におけるエゴセントリックなデータ収集を行う。
EgoOSCARはハードウェア同期のグローバルシャッターステレオカメラと6軸IMU、デバイス上のビデオエンコーディングのための組み込みLinux SBC、ユーザフィードバックとウォッチドッグ機能のためのリアルタイムマイクロコントローラを組み合わせている。
1ユニットあたり200ドル以下で、市販の部品と3Dプリント部品のみを使用する。
このデバイスに加えて、完全なソフトウェアスタック(ハードウエアアクセラレーション記録パイプライン、IMUサンプリングデーモン、タイム同期ツール、ウォッチドッグファームウェア)と、毎日の屋内環境に分散コントリビュータネットワークによって収集された、カメラごとの自我中心のステレオビデオ約550時間をリリースする。
フリーフォームのアクションキャプションは、基本的に記録されたタイムライン全体をオープンな語彙でカバーし、フレームごとの3Dハンドリコンストラクションは、セッションごとのステレオキャリブレーションと共に出荷される。
Ego-OSCARは、Project Ariaのような研究グレードシステムのユニット単位の忠実度にマッチするものではなく、クラウドソーシングされたエゴセントリックキャプチャーのための最も安価な防御可能な基板であり、大規模にエゴセントリックなデータを収集したいチームにとって、アクティベーションエネルギーを下げることを目指している。
ハードウェア設計、ソフトウェア、データセットはすべてオープンソース
関連論文リスト
- EgoTraj: Real-World Egocentric Human Trajectory Dataset for Multimodal Prediction [4.1965237414146666]
EgoTrajはMeta Quest Pro(MQPro)を用いて記録されたエゴセントリックなマルチモーダルオープンデータセットである
現実世界の都市環境において、複数のMQPro装着者から収集された75のヒューマンナビゲーションが含まれている。
私たちの知る限りでは、EgoTrajは、長い水平な自己方向のナビゲーションをキャプチャすることで、典型的なエゴセントリックな軌道データセットとは異なる。
論文 参考訳（メタデータ） (2026-05-18T18:26:51Z) - EgoKit: Towards Unified Low-Cost Egocentric Data Collection with Heterogeneous Devices [7.682719474986683]
EgoKitは、6つの異種ホストデバイスで同じエゴセントリックな記録ワークフローを公開するツールキットである。
付属のアクセサリーは、マウント付きの2台の手首カメラ、ヘッドストラップ、USB-Cハブなど、サポート対象のホストに手首ビューキャプチャを追加する。
論文 参考訳（メタデータ） (2026-05-16T03:59:17Z) - Ego-1K -- A Large-Scale Multiview Video Dataset for Egocentric Vision [7.318705822469006]
Egohugging-1Kは、時間同期型エゴセントリックなマルチビュービデオの大規模なコレクションである。
このデータセットには、ユーザーが装着する4カメラVRヘッドセットを取り囲む12台の同期カメラを備えたカスタムリグで撮影した1000本近い短い自撮りビデオが含まれている。
論文 参考訳（メタデータ） (2026-03-14T04:00:26Z) - Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。
モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。
ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
論文 参考訳（メタデータ） (2026-03-02T17:46:38Z) - EgoThinker: Unveiling Egocentric Reasoning with Spatio-Temporal CoT [56.24624833924252]
EgoThinkerは、時間的連鎖管理と2段階の学習カリキュラムを通じて、堅牢なエゴセントリック推論能力を備えたMLを支援するフレームワークである。
EgoThinkerは、複数のエゴセントリックなベンチマークで既存のメソッドよりも優れており、微粒な時間的ローカライゼーションタスクで大幅に改善されている。
論文 参考訳（メタデータ） (2025-10-27T17:38:17Z) - EgoM2P: Egocentric Multimodal Multitask Pretraining [55.259234688003545]
大規模なエゴセントリックなマルチモーダルモデルとマルチタスクモデルの構築は、ユニークな課題を示している。
EgoM2Pは、時間的に認識されたマルチモーダルトークンから学習し、エゴセントリックな4D理解のための大規模な汎用モデルをトレーニングするマスク付きモデリングフレームワークである。
私たちはEgoM2Pを完全にオープンソース化し、コミュニティを支援し、エゴセントリックなビジョン研究を前進させます。
論文 参考訳（メタデータ） (2025-06-09T15:59:25Z) - Ego3DT: Tracking Every 3D Object in Ego-centric Videos [20.96550148331019]
本稿では,エゴ中心映像からの物体の3次元再構成と追跡のための新しいゼロショット手法を提案する。
Ego3DTは,エゴ環境内のオブジェクトの検出とセグメンテーション情報を最初に識別し,抽出する新しいフレームワークである。
また,エゴ中心ビデオにおける物体の3次元追跡軌道を安定的に作成するための動的階層化機構を革新した。
論文 参考訳（メタデータ） (2024-10-11T05:02:31Z) - Nymeria: A Massive Collection of Multimodal Egocentric Daily Motion in the Wild [66.34146236875822]
ニメリアデータセット(Nymeria dataset)は、複数のマルチモーダル・エゴセントリックなデバイスで野生で収集された、大規模で多様な、多彩な注釈付けされた人間のモーションデータセットである。
合計で399Kmを走行し、50か所にわたる264人の参加者から毎日300時間の録音を1200件記録している。
動作言語記述は、語彙サイズ6545の8.64万語で310.5K文を提供する。
論文 参考訳（メタデータ） (2024-06-14T10:23:53Z) - 3D Human Pose Perception from Egocentric Stereo Videos [67.9563319914377]
我々は,エゴセントリックな立体3次元ポーズ推定を改善するためのトランスフォーマーベースの新しいフレームワークを提案する。
本手法は, しゃがんだり座ったりといった困難なシナリオにおいても, 人間のポーズを正確に推定することができる。
私たちはUnrealEgo2、UnrealEgo-RW、およびトレーニングされたモデルをプロジェクトページでリリースします。
論文 参考訳（メタデータ） (2023-12-30T21:21:54Z) - Stereo Matching in Time: 100+ FPS Video Stereo Matching for Extended
Reality [65.70936336240554]
リアルタイムステレオマッチング(Real-time Stereo Matching)は、屋内3D理解、ビデオパススルー、混合現実感ゲームなど、多くの拡張現実感(XR)アプリケーションのための基盤となるアルゴリズムである。
最大の課題の1つは、ヘッドマウントのVR/ARメガネによってキャプチャされた高品質な屋内ビデオステレオトレーニングデータセットの欠如である。
室内シーンのレンダリングと6-DoF移動VR/ARヘッドマウントディスプレイ(HMD)によるリアルなカメラモーションを含む,新しいステレオ合成データセットを提案する。
これにより既存のアプローチの評価が促進され、屋内拡張現実シナリオのさらなる研究が促進される。
論文 参考訳（メタデータ） (2023-09-08T07:53:58Z) - Egocentric Video-Language Pretraining [74.04740069230692]
Video-Language Pretrainingは、転送可能な表現を学習して、幅広いビデオテキストダウンストリームタスクを前進させることを目的としている。
我々は、最近リリースされたEgo4Dデータセットを利用して、3方向のEgoセントリックトレーニングを開拓しました。
3つのデータセットにわたる5つのエゴセントリックなダウンストリームタスクに対して、強いパフォーマンスを示します。
論文 参考訳（メタデータ） (2022-06-03T16:28:58Z)
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。