論文の概要: Real-time Event-camera Stereo Visual Odometry via Keytime Gaussian Process Regression

• arxiv url: http://arxiv.org/abs/2610.02601v1
• Date: Thu, 01 Oct 2026 23:55:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.129906
• Title: Real-time Event-camera Stereo Visual Odometry via Keytime Gaussian Process Regression
• Title（参考訳）: キータイムガウス過程回帰によるリアルタイムイベントカメラステレオビジュアルオドメトリー
• Abstract要約: 本稿では,非同期イベントのネイティブ計測時間を維持しながら,リアルタイムに動作させる連続時間イベントカメラステレオVOパイプラインを提案する。 テストされたシーケンスの1つを除いて、最先端の離散推定器であるES-PTAMよりも正確なリアルタイムで推定を提供する。
• 参考スコア（独自算出の注目度）: 0.7734726150561086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event cameras have microsecond-level temporal resolution and high dynamic range which make them more resilient to motion blur and poor illumination than standard frame-based cameras. Event-camera visual odometry (VO) pipelines maximize these benefits when they process the asynchronous event stream at the native temporal resolution. Continuous-time Gaussian process (GP) regression and a white-noise-on-acceleration (WNOA) prior can handle asynchronous measurements but result in a prohibitively large estimation state when applied naively. This paper presents a continuous-time event-camera stereo VO pipeline that maintains the native measurement times of asynchronous events while also running in real time. It reduces the estimation states to keytimes while maintaining full temporal resolution by interpolating measurements to their exact timestamps with a physically founded WNOA prior. This decouples the state size from the dense number of measurements without discarding their asynchronous nature. The real-time continuous-time VO pipeline is evaluated on the MVSEC and DSEC datasets. It provides estimates in real time that are more accurate than ES-PTAM, a state-of-the-art discrete estimator, in all but one of the tested sequences. The pipeline respectively provides estimates at 22 Hz and 6 Hz on MVSEC and DSEC and RMS relative errors of 0.46 cm and 0.038 degrees across all valid sequences, which were 11 and 15 times better than ES-PTAM, respectively.
• Abstract（参考訳）: イベントカメラはマイクロ秒レベルの時間分解能と高ダイナミックレンジを備えており、通常のフレームベースのカメラよりも動きのぼやけや照明が弱い。 イベントカメラビジュアルオドメトリー(VO)パイプラインは、非同期イベントストリームをネイティブ時間分解で処理する際のメリットを最大化する。 連続時間ガウス過程(GP)回帰とホワイトノイズオンアクセラレーション(WNOA)事前処理は非同期測定を処理できるが、過渡的に適用した場合は極めて大きな推定状態となる。 本稿では,非同期イベントのネイティブ計測時間を維持しながら,リアルタイムに動作させる連続時間イベントカメラステレオVOパイプラインを提案する。 物理的に確立されたWNOAと正確なタイムスタンプに測定を補間することで、完全な時間分解を保ちながら、推定状態をキータイムに短縮する。 これにより、非同期性を捨てることなく、高密度な測定値から状態サイズを分離する。 リアルタイムの継続的VOパイプラインは、MVSECデータセットとDSECデータセットに基づいて評価される。 テストされたシーケンスの1つを除いて、最先端の離散推定器であるES-PTAMよりも正確なリアルタイムで推定を提供する。 パイプラインはMVSECとDSECでそれぞれ22Hz、6Hzと推定され、相対誤差は0.46cmと0.038°であり、ES-PTAMの11倍と15倍であった。

関連論文リスト

• TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
  ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。 現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。 Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
  論文  参考訳（メタデータ） (2026-05-11T13:23:14Z)
• Event Signal Filtering via Probability Flux Estimation [58.31652473933809]
  イベントは、非同期センシングを通じてシーンダイナミクスをキャプチャするための新しいパラダイムを提供するが、その固有のランダム性は、しばしば劣化した信号品質につながる。 したがって、イベント信号フィルタリングは、この内部ランダム性を低減し、多様な取得条件をまたいだ一貫した出力を確保することで、忠実性を高めるために不可欠である。 本稿ではイベント密度フローフィルタ(EDFilter)と呼ばれる生成オンラインフィルタリングフレームワークを紹介する。 実験では、イベントフィルタリング、スーパーレゾリューション、イベントベースの直接追跡といったタスクでEDFilterのパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-10T07:03:08Z)
• Inter-event Interval Microscopy for Event Cameras [52.05337480169517]
  イベントカメラは、革新的なバイオインスパイアされたセンサーであり、強度を直接知覚するのではなく、強度の変化を感知することで従来のカメラとは異なる。 蛍光顕微鏡における静的および動的シーンの静的なイベントカメラを用いたイベント・ツー・インテンシティ変換を実現する。 我々は,ハイダイナミックレンジや高速シナリオなど,様々な場面でIEIMatデータセットを収集した。
  論文  参考訳（メタデータ） (2025-04-07T11:05:13Z)
• Event-based Stereo Visual Odometry with Native Temporal Resolution via Continuous-time Gaussian Process Regression [3.4447129363520332]
  イベントベースのカメラは、シーン内の個々の視覚的変化をユニークなタイミングでキャプチャする。 視覚計測パイプラインでは、時間的に密接な測定を1つの共通の時間で行うように近似することで、しばしば対処される。 本稿では,グループ化や近似を必要とせず,個々の事象計測時間を直接推定する完全ステレオVOパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-06-01T22:57:32Z)
• 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)

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。