論文の概要: Event Cameras versus Frame Cameras for Synthetic-Aperture Imaging: A Simulation Study

• arxiv url: http://arxiv.org/abs/2610.20309v1
• Date: Wed, 14 Oct 2026 14:56:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.211713
• Title: Event Cameras versus Frame Cameras for Synthetic-Aperture Imaging: A Simulation Study
• Title（参考訳）: 合成開口イメージングのためのイベントカメラ対フレームカメラ:シミュレーションによる検討
• Abstract要約: 合成開口イメージング(SAI)は、カメラパスに沿ってシーンの多くのビューを統合することにより、葉のような閉塞物を除去する。 我々は、イベントカメラがSAIに利点があるかどうかを問うとともに、両方のセンサーが全く同じシーンと同じカメラの動きを見るシミュレーションにおいて、その疑問に答える。
• 参考スコア（独自算出の注目度）: 1.0195618602298682
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Synthetic-aperture imaging (SAI) removes occluders such as foliage by integrating many views of a scene along a camera path. It has so far been used mainly with frame cameras. We ask whether an event camera has advantages for SAI, and answer the question in simulation, where both sensors see exactly the same scene and the same camera movement. A densely rendered Blender sequence is turned into frames with an EMVA~1288 noise model of an industrial global-shutter camera, and into an event stream with the v2e simulator parameterized like a Sony IMX636. The frames are integrated with the existing airborne optical sectioning renderer. For the events we add a new integration path that projects every single event onto the focal plane at its own interpolated pose, so no events have to be binned into frames. We compare the two sensors in three main runs and an additional dark high-speed test. In a bright scene at 25,m/s the frame camera records only three images on the path and cannot remove the occluder, while the event camera reconstructs the target, even after an event-rate controller drops most of its events to fit the camera link. At the same speed in a 5,lux scene the event camera no longer resolves the target either. In a 5,lux scene at 5,m/s both sensors reconstruct the target at similar quality. We also compare the data one traversal of the aperture costs. At high speed the capped event stream still shows the target at the same data volume as the three frames. At 1,m/s we compare both cameras at two matched data budgets, and there the event camera has no advantage over the frame camera in reconstruction quality. The data rate of the event camera depends on the scene and is highest exactly in the fast bright scenes where it is needed most.
• Abstract（参考訳）: 合成開口イメージング(SAI)は、カメラパスに沿ってシーンの多くのビューを統合することにより、葉のような閉塞物を除去する。 これまでは主にフレームカメラで使用されてきた。 我々は、イベントカメラがSAIに利点があるかどうかを問うとともに、両方のセンサーが全く同じシーンと同じカメラの動きを見るシミュレーションにおいて、その疑問に答える。 濃密にレンダリングされたブレンダーシーケンスを、産業用グローバルシャッターカメラのEMVA〜1288ノイズモデルでフレーム化し、Sony IMX636のようにパラメータ化されたv2eシミュレータでイベントストリームに変換する。 フレームは、既存の空中光分割レンダラーと一体化されている。 イベントに対して、各イベントを自身の補間されたポーズでフォーカスプレーンに投影する新たな統合パスを追加します。 2つのセンサーを3つのメインランで比較し、さらに暗黒の高速テストを行った。 25m/sの明るいシーンでは、フレームカメラは経路上の3つの画像しか記録せず、オクルーダーを除去することができず、イベントカメラは、イベントレートコントローラがカメラリンクに合わせるためにほとんどのイベントをドロップした後でも、ターゲットを再構成する。 5ラックスのシーンで同じ速度で、イベントカメラはもはやターゲットを解決しない。 5m/sのラックスシーンでは、両方のセンサーが同じ品質でターゲットを再構築する。 また、アパーチャコストの1つのトラバースデータの比較も行います。 高速では、キャップされたイベントストリームは、ターゲットを3つのフレームと同じデータボリュームで表示します。 1,m/sで、両方のカメラを2つの一致したデータ予算で比較します。 イベントカメラのデータレートはシーンによって異なり、最も必要とされる高速な明るいシーンでは、正確には最高である。

関連論文リスト

• Dynamic EventNeRF: Reconstructing General Dynamic Scenes from Multi-view RGB and Event Streams [69.65147723239153]
  動的シーンのボリューム再構成はコンピュータビジョンにおいて重要な問題である。 照明が悪く、動きが速い場合には特に困難である。 本稿では,スパースなマルチビューイベントストリームとスパースなRGBフレームからシーンを時間的に再構築する手法を提案する。
  論文  参考訳（メタデータ） (2024-12-09T18:56:18Z)
• EF-3DGS: Event-Aided Free-Trajectory 3D Gaussian Splatting [87.1077910795879]
  生物学的ビジョンにインスパイアされたイベントカメラは、時間分解能の高い画素の強度を非同期に記録する。 本稿では,イベントカメラの利点を3DGSにシームレスに統合するイベント支援フリートラジェクトリ3DGSを提案する。 提案手法を,パブリックタンクとテンプルのベンチマークと,新たに収集した実世界のデータセットであるRealEv-DAVISで評価した。
  論文  参考訳（メタデータ） (2024-10-20T13:44:24Z)
• Event-based Camera Tracker by $\nabla$t NeRF [11.572930535988325]
  ニューラルレイディアンス場(NeRF)として表現されるシーンのスパース事象と時間勾配の誤差を最小化することにより、カメラのポーズを復元できることを示す。 スパースイベントの観測を用いてポーズ更新を実現するイベントベースのカメラポーズトラッキングフレームワークTeGRAを提案する。
  論文  参考訳（メタデータ） (2023-04-07T16:03:21Z)
• TimeReplayer: Unlocking the Potential of Event Cameras for Video Interpolation [78.99283105497489]
  イベントカメラは、任意に複雑な動きのあるビデオを可能にする新しいデバイスである。 本稿では,コモディティカメラが捉えた映像とイベントとを補間するTimeReplayerアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-25T18:57:42Z)
• A Preliminary Research on Space Situational Awareness Based on Event Cameras [8.27218838055049]
  イベントカメラは、従来のカメラとは異なる新しいタイプのセンサーである。 トリガーイベントは、画素に照射された明るさの変化である。 従来のカメラと比較して、イベントカメラは高時間分解能、低レイテンシ、高ダイナミックレンジ、低帯域幅、低消費電力の利点がある。
  論文  参考訳（メタデータ） (2022-03-24T14:36:18Z)
• Event-Based Dense Reconstruction Pipeline [5.341354397748495]
  イベントカメラは、従来のカメラとは異なる新しいタイプのセンサーである。 深層学習は、イベントからの強度画像の再構成に使用される。 動きからの構造(SfM)は、カメラ固有の、外在的な、スパースな点雲を推定するために用いられる。
  論文  参考訳（メタデータ） (2022-03-23T08:37:04Z)

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。