論文の概要: PIE-PS: Photometric Stereo from Physical Irradiance Event Streams
- arxiv url: http://arxiv.org/abs/2610.08188v1
- Date: Tue, 06 Oct 2026 11:41:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.965868
- Title: PIE-PS: Photometric Stereo from Physical Irradiance Event Streams
- Title（参考訳）: PIE-PS:物理照射イベントストリームからの測光ステレオ
- Abstract要約: イベントカメラは、マイクロ秒のレイテンシと高いダイナミックレンジで非同期のログ-画像-照度変化を記録する。
生のイベントはスパースで 未知のコントラストしきい値に依存します
我々は、隣接する2つの事象を対応する光方向と同じ画素でペアリングすることで、物理照度事象(PIE)を形成する。
合成および実データを用いた実験では、PIE-PSは以前の事象ベースの測光ステレオ法よりも優れていた。
- 参考スコア（独自算出の注目度）: 15.765089209160854
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Event cameras record asynchronous log-image-irradiance changes with microsecond latency and high dynamic range. These properties are useful for photometric stereo under moving illumination, but raw events are sparse and depend on an unknown contrast threshold. We start from the event trigger model and derive a physical relation between adjacent events, light motion, and surface normals. This relation gives a direct physics-only solver, but the solver needs the threshold, enough events at each pixel, and independent per-pixel optimization. To address these limits, we introduce PIE-PS, a learning-based framework for dense surface normal reconstruction from raw event streams and known lighting. We form Physical Irradiance Events (PIEs) by pairing two adjacent events at the same pixel with their corresponding light directions. Each PIE provides a Physical Irradiance Event Feature (PIEF), defined as the signed event rate. PIEF does not require the unknown contrast threshold. To share spatial and temporal context across nearby PIEs, we introduce PIE-GNN, which treats each PIE as a graph node and encodes it with its light-pair geometry. Since the reliability of PIE observations can vary with local appearance, illumination geometry, and sensor noise, Reliability-Grading Attention (RGA) predicts reliability weights to down-weight unreliable PIEs. Pixel aggregation then produces dense normals. Experiments on synthetic and real data show that PIE-PS outperforms prior event-based photometric stereo methods and the direct solver baseline.
- Abstract（参考訳）: イベントカメラは、マイクロ秒のレイテンシと高いダイナミックレンジで非同期のログ-画像-照度変化を記録する。
これらの特性は、移動照明下での測光ステレオに有用であるが、生イベントは希少であり、未知のコントラスト閾値に依存する。
我々は、事象トリガーモデルから始まり、隣接する事象、光運動、および表面正常の間の物理的関係を導出する。
この関係は物理のみの直接解法を与えるが、解法にはしきい値、各画素での十分なイベント、画素ごとの独立最適化が必要である。
PIE-PSは、生イベントストリームと既知の照明から高密度表面を正規化するための学習ベースのフレームワークである。
我々は、隣接する2つの事象を対応する光方向と同じ画素でペアリングすることで、物理照度事象(PIE)を形成する。
各PIEは、署名されたイベントレートとして定義された物理照度イベント特徴(PIEF)を提供する。
PIEFは未知のコントラスト閾値を必要としない。
近傍のPIE間で空間的・時間的コンテキストを共有するために,各PIEをグラフノードとして扱い,その光対幾何で符号化するPIE-GNNを導入する。
PIE観測の信頼性は、局部的な外観、照明形状、センサノイズによって異なるため、RGA(Reliability-Grading Attention)は信頼性の重みを低信頼のPIEに予測する。
その後、高密度の正規化が生じる。
合成および実データを用いた実験により、PIE-PSは以前の事象ベースの測光ステレオ法と直接解法ベースラインよりも優れていた。
関連論文リスト
- Modelling dynamic systems transfer functions from events in computational neuromorphic imaging [1.7188280334580195]
イベントビジョンセンシング(EVS)は、対数照射のしきい値交差を報告しているので、静的なシーンを撮像する静的光学系は出力をまったく生成しない。
我々は、光子ノイズとクロスアレイ閾値のミスマッチがプローブ逆解析精度に与える影響を考察する。
シーンからイベントまでのフルフォワード演算子のコンポーネントとしての動的PSFの可能性について論じる。
論文 参考訳（メタデータ） (2026-09-24T14:22:47Z) - A Height-Constrained 2-Point Minimal Solver for Pose Estimation from Active LED Markers with Event Cameras [51.7262911415172]
本研究では,モーションキャプチャシステムから実世界のデータを集めるイベントベースアクティブマーカーシステムを開発した。
合成データと実データの両方の実験では、最先端のP2Pソルバよりも精度が向上した。
論文 参考訳（メタデータ） (2026-08-10T12:19:24Z) - Event-Illumination Collaborative Low-light Image Enhancement with a High-resolution Real-world Dataset [74.66758770936579]
EIC-LIEはイベントイルミネーション協調LIEフレームワークである。
EIC-LIEは、5つの実世界および合成データセットで最先端の手法より優れている。
論文 参考訳（メタデータ） (2026-05-21T08:55:34Z) - 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) - PhysNeXt: Next-Generation Dual-Branch Structured Attention Fusion Network for Remote Photoplethysmography Measurement [50.524262997433546]
ハーモグラフィーは、心臓の脈動によって引き起こされる顔の皮膚の色変化を分析し、心拍数やその他の重要な兆候を測定することができる。
現在の手法は主に生のビデオからエンド・ツー・エンドのモデリング、または微妙な心拍マップ(ST)表現に基づいている。
本稿では,ビデオフレームとST表現を併用したデュアルインプットディープラーニングフレームワークであるPhysMapXtを提案する。
論文 参考訳（メタデータ） (2026-03-20T08:37:02Z) - PPISP: Physically-Plausible Compensation and Control of Photometric Variations in Radiance Field Reconstruction [10.040461884848403]
物理的に証明可能なISP補正モジュールは、カメラ固有の効果とキャプチャ依存効果を分離する。
入力ビューに基づいてトレーニングされた専用PPISPコントローラは、新しい視点でISPパラメータを予測する。
論文 参考訳（メタデータ） (2026-01-26T10:23:43Z) - PS-EIP: Robust Photometric Stereo Based on Event Interval Profile [9.24340769982606]
EventPSは各イベント間隔を独立して扱い、ノイズ、シャドウ、非ランベルト反射に敏感にする。
本稿では,イベントインターバルプロファイル(PS-EIP)に基づく測光ステレオを提案する。
論文 参考訳（メタデータ） (2025-03-24T05:01:20Z) - Physically-Based Photometric Bundle Adjustment in Non-Lambertian Environments [59.96101889715997]
光度バンドル調整(PBA)は、ランベルトの世界を仮定してカメラのポーズと3次元幾何学を推定するのに広く用いられる。
光度一貫性の仮定は、現実の環境では非拡散反射が一般的であるため、しばしば違反される。
そこで本研究では,この問題を解決するための物理ベースPBA法を提案する。
論文 参考訳（メタデータ） (2024-09-18T10:22:07Z) - Revisit Event Generation Model: Self-Supervised Learning of Event-to-Video Reconstruction with Implicit Neural Representations [11.874972134063638]
本稿では,ラベル付きデータや光フロー推定を必要としない新しいSSLイベント・ビデオ再構成手法であるEvINRを提案する。
我々は、(x, y, t)$を座標とする暗黙的ニューラル表現(INR)を用いて、事象発生方程式を表現する。
オンラインの要求に対してEvINRを実現するために,トレーニングプロセスを大幅に高速化するいくつかのアクセラレーション手法を提案する。
論文 参考訳（メタデータ） (2024-07-26T04:18:10Z) - PS-Transformer: Learning Sparse Photometric Stereo Network using
Self-Attention Mechanism [4.822598110892846]
線形プロジェクションや最大プーリングといった事前定義された操作に基づいて、異なる照明下での深いキャリブレーションされた光度ステレオネットワークの観測を集約する。
この問題に対処するために,PS-Transformer という,複雑な画像間相互作用を適切に捉えるために,学習可能な自己認識機構を活用する,細かなキャリブレーションを施した光度ステレオネットワークを提案する。
論文 参考訳（メタデータ） (2022-11-21T11:58:25Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳（メタデータ） (2021-03-22T18:06:58Z)
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。