論文の概要: An Event Preserving Velocity Invariant Representation for Event Cameras

• arxiv url: http://arxiv.org/abs/2609.19973v1
• Date: Thu, 17 Sep 2026 09:46:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.207613
• Title: An Event Preserving Velocity Invariant Representation for Event Cameras
• Title（参考訳）: イベントカメラの速度不変表現を保存するイベント
• Abstract要約: イベントカメラは、ロボット工学のようなリアルタイム視覚タスクに対して、低レイテンシ、高時間分解能の知覚を提供する。 実時間速度不変表現であるSCARF(Set of Centre Active Receptive Fields)を提案する。 SCARFは、高速な動き、静止したシーン、独立して動くオブジェクトを一貫して処理しながら、生のイベントを保存する。
• 参考スコア（独自算出の注目度）: 13.26331934643561
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event cameras provide low-latency, high temporal resolution perception for real-time vision tasks such as robotics.The novel circuitry (i.e. asynchronous, independent pixels) that enables these advantages also introduces new algorithmic challenges. Velocity-invariant representations alleviate missing observations under slow motion and motion blur under fast motion, but most discard temporal information by converting events into image-like representations. We propose Set of Centre Active Receptive Fields (SCARF), a real-time velocity-invariant representation that preserves raw events while consistently handling fast motion, stationary scenes, and independently moving objects. SCARF achieves state-of-the-art performance in both computational efficiency and representation quality.
• Abstract（参考訳）: イベントカメラは,ロボット工学などのリアルタイムビジョンタスクに対して,低レイテンシ,高時間分解能の知覚を提供する。 速度不変表現(Velocity-invariant representations)は、スローモーション下での観察の欠如と、高速モーション下での運動の曖昧さを緩和するが、ほとんどの場合、イベントをイメージライクな表現に変換することで、時間情報を破棄する。 本研究では、高速な動き、静止シーン、独立に動く物体を常に処理しながら生イベントを保存し、リアルタイムな速度不変表現であるSCARF(Set of Centre Active Receptive Fields)を提案する。 SCARFは計算効率と表現品質の両方において最先端の性能を達成する。

関連論文リスト

• RED: Robust Event-Guided Motion Deblurring with Modality-Specific Disentangled Representation [25.898452981956364]
  イベントカメラはスパースだが時間的に高解像度のモーション情報を提供する。 ダイナミックビジョンセンサー(DVS)の閾値を上げることでノイズを低減できるが、これは必然的にイベントの過度な報告を引き起こす。 本稿では,モダリティ特異的な不整合表現を備えたロバストイベント誘導型デブロワーリングネットワークを提案する。
  論文  参考訳（メタデータ） (2025-09-06T01:07:08Z)
• VibES: Induced Vibration for Persistent Event-Based Sensing [31.402804369924052]
  イベントカメラはバイオインスパイアされたセンサーのクラスで、ピクセルごとの強度変化を非同期に測定する。 我々は、単純な回転不均衡質量を用いることで、持続的なイベント生成を維持するための軽量なアプローチを導入する。 これは、注入された動きを除去し、クリーンで動き補正されたイベントを生成するモーション補償パイプラインと組み合わせられる。
  論文  参考訳（メタデータ） (2025-08-26T14:58:51Z)
• Labits: Layered Bidirectional Time Surfaces Representation for Event Camera-based Continuous Dense Trajectory Estimation [1.3416369506987165]
  イベントカメラは、高時間分解能と低レイテンシで動的シーンをキャプチャする。 Labits: Layered Bidirectional Time Surfacesを紹介します。 提案手法は,従来のMultiFlowデータセットと比較して,トラジェクティブ終点誤差(TEPE)を49%削減する。
  論文  参考訳（メタデータ） (2024-12-12T01:11:50Z)
• 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)
• Motion Segmentation for Neuromorphic Aerial Surveillance [42.04157319642197]
  イベントカメラは優れた時間分解能、優れたダイナミックレンジ、最小限の電力要件を提供する。 固定間隔で冗長な情報をキャプチャする従来のフレームベースのセンサーとは異なり、イベントカメラは画素レベルの明るさ変化を非同期に記録する。 本稿では,イベントデータと光フロー情報の両方に自己監督型視覚変換器を利用する動き分割手法を提案する。
  論文  参考訳（メタデータ） (2024-05-24T04:36:13Z)
• Robust e-NeRF: NeRF from Sparse & Noisy Events under Non-Uniform Motion [67.15935067326662]
  イベントカメラは低電力、低レイテンシ、高時間解像度、高ダイナミックレンジを提供する。 NeRFは効率的かつ効果的なシーン表現の第一候補と見なされている。 本稿では,移動イベントカメラからNeRFを直接かつ堅牢に再構成する新しい手法であるRobust e-NeRFを提案する。
  論文  参考訳（メタデータ） (2023-09-15T17:52:08Z)
• Recovering Continuous Scene Dynamics from A Single Blurry Image with Events [58.7185835546638]
  インプリシットビデオ関数(IVF)は、同時イベントを伴う単一の動きのぼやけた画像を表現する。 両モードの利点を効果的に活用するために、二重注意変換器を提案する。 提案するネットワークは,限られた参照タイムスタンプの地平線画像の監督のみで訓練される。
  論文  参考訳（メタデータ） (2023-04-05T18:44:17Z)
• Asynchronous Optimisation for Event-based Visual Odometry [53.59879499700895]
  イベントカメラは、低レイテンシと高ダイナミックレンジのために、ロボット知覚の新しい可能性を開く。 イベントベースビジュアル・オドメトリー(VO)に焦点をあてる 動作最適化のバックエンドとして非同期構造を提案する。
  論文  参考訳（メタデータ） (2022-03-02T11:28:47Z)
• 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。