論文の概要: Static in Frames, Dynamic in Events: Rethinking Features in Event Cameras as Motion Cues
- arxiv url: http://arxiv.org/abs/2608.11075v1
- Date: Tue, 11 Aug 2026 15:37:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:46.107295
- Title: Static in Frames, Dynamic in Events: Rethinking Features in Event Cameras as Motion Cues
- Title（参考訳）: フレーム内の静的、イベント内の動的 - イベントカメラの特徴をモーションキューとして再考する
- Abstract要約: イベントカメラは、高時間分解能で非同期に強度変化をキャプチャし、下流タスクに新しい前処理方法を必要とする。
イベントベースコーナー検出における2つの特徴を解析し,それらが感情的手がかりであることを示す
提案した機能を最先端のイベントベース光フローネットワークに統合し,実世界のDSECベンチマークを評価する。
- 参考スコア（独自算出の注目度）: 18.217446355098932
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Event cameras capture intensity changes asynchronously with high temporal resolution, requiring novel preprocessing methods for downstream tasks. Unlike static intensity snapshots, event data inherently encode information about scene dynamics and object motion, meaning that features derived from events can exhibit behaviors with no direct analogue in frame-based vision. In this paper, we analyze two features used in event-based corner detection---the eigenvalues of the structure tensor and the spatiotemporal density values---and show that they are \emph{motion cues}. We hypothesize that these features, combined with local geometric information, can enhance motion estimation tasks. To validate this, we first theoretically analyze how the eigenvalues of the structure tensor at moving corner points relate to the direction of motion. We then design controlled experiments on a synthetic dataset, confirming that extending local geometric features with eigenvalues and density values provides complementary motion information and is robust to texture and shot noise. Finally, we integrate the proposed features into a state-of-the-art event-based optical flow network and evaluate on the real-world DSEC benchmark, where the added features consistently improve accuracy, with the largest gains in data-scarce scenarios and for lower-capacity models. The code for this paper can be found at: \href{https://github.com/hesamaraghi/static-in-frames-dynamic-in-events}{https://github.com/hesamaraghi/static-in-frames-dynamic-in-events}.
- Abstract（参考訳）: イベントカメラは、高時間分解能で非同期に強度変化をキャプチャし、下流タスクに新しい前処理方法を必要とする。
静的なインテンシティスナップショットとは異なり、イベントデータは本質的にシーンのダイナミクスやオブジェクトの動きに関する情報をエンコードする。
本稿では,イベントベースコーナー検出で使用される2つの特徴-構造テンソルの固有値と時空間密度値-を分析し,それらが 'emph{motion cues}' であることを示す。
これらの特徴と局所的な幾何学的情報を組み合わせることで、運動推定タスクを向上できるという仮説を立てる。
これを検証するために、まず、移動角点における構造テンソルの固有値が運動方向とどのように関係しているかを理論的に分析する。
次に、合成データセット上で制御された実験を設計し、局所幾何学的特徴を固有値と密度値で拡張することで、相補的な動き情報を提供し、テクスチャやショットノイズに対して堅牢であることを確認する。
最後に、提案した機能を最先端のイベントベース光フローネットワークに統合し、実世界のDSECベンチマークで評価する。
この論文のコードは以下の通りである。 \href{https://github.com/hesamaraghi/static-in-frames-dynamic-in-events}{https://github.com/hesamaraghi/static-in-frames-dynamic-in-events}。
関連論文リスト
- GoStop: Reinforcement Learning for Adaptive Temporal Aggregation in Event-Based Feature Tracking [71.9852231453445]
イベントカメラは低レイテンシとモーションロバストな知覚を可能にし、高速かつ非線形な動作下での機能追跡に適している。
既存のイベントベースの機能トラッキング手法は、イベントの蓄積を手作業で調整する、固定されたルールに依存している。
オンラインイベントベースの特徴追跡のための蓄積過程を適応的に制御する強化学習フレームワークを導入する。
論文 参考訳（メタデータ） (2026-07-17T07:18:07Z) - PLED-VINS: A Point-Line Event-Based Visual Inertial SLAM for Dynamic Environments [8.963834719587911]
動的環境におけるロバストな状態推定を可能にする視覚慣性SLAMフレームワークであるPLED-VINSを提案する。
PLED-VINSは、オブジェクトとともに移動する評価された動的シーケンスの状態推定を改善する。
論文 参考訳（メタデータ） (2026-07-08T13:06:13Z) - EventGait: Towards Robust Gait Recognition with Event Streams [50.890621860023]
イベントカメラは、マイクロ秒時間分解能と高ダイナミックレンジを提供し、自然にロバストなダイナミックキューをキャプチャし、静的ノイズを抑制する。
イベントの利点を保ちながら、動きと形状を別々にモデル化する、エンドツーエンドのデュアルストリームフレームワークである textbfEventGait を提案する。
当社のアプローチでは,イベント駆動歩行分析の堅牢性と可能性を強調し,合成および実世界の歩行ベンチマークに新たな技術状況が設定されている。
論文 参考訳（メタデータ） (2026-05-21T08:12:04Z) - 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) - Revealing Latent Information: A Physics-inspired Self-supervised Pre-training Framework for Noisy and Sparse Events [25.348660233701708]
イベントカメラは、高時間分解能と広ダイナミックレンジでデータを記録する。
イベントデータは本質的にスパースでノイズが多く、主に明るさの変化を反映している。
本稿では,イベントデータ中の潜伏情報を完全に明らかにする自己教師付き事前学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-07T15:38:36Z) - 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) - Degrees of Freedom Matter: Inferring Dynamics from Point Trajectories [28.701879490459675]
ニューラルネットワークによってパラメータ化された暗黙の運動場を学習し、同一領域内の新規点の動きを予測することを目的とする。
我々は、SIRENが提供する固有正則化を活用し、入力層を変更して時間的に滑らかな運動場を生成する。
実験では, 未知点軌道の予測におけるモデルの性能評価と, 変形を伴う時間メッシュアライメントへの応用について検討した。
論文 参考訳（メタデータ） (2024-06-05T21:02:10Z) - Wide and Narrow: Video Prediction from Context and Motion [54.21624227408727]
本稿では,これらの相補的属性を統合し,深層ネットワークを通した複雑なピクセルのダイナミックスを予測するフレームワークを提案する。
本研究では,非局所的な近隣表現を集約し,過去のフレーム上の文脈情報を保存するグローバルなコンテキスト伝搬ネットワークを提案する。
また,移動オブジェクトの動作をメモリに格納することで,適応的なフィルタカーネルを生成するローカルフィルタメモリネットワークを考案した。
論文 参考訳（メタデータ） (2021-10-22T04:35:58Z) - Event-based Motion Segmentation with Spatio-Temporal Graph Cuts [51.17064599766138]
イベントベースカメラで取得したオブジェクトを独立に識別する手法を開発した。
この方法は、予想される移動物体の数を事前に決定することなく、技術状態よりも同等以上の性能を発揮する。
論文 参考訳（メタデータ） (2020-12-16T04:06:02Z)
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。