日本語タイトル#
物理的先行情報なしのエンドツーエンド神経形態イベントベースの 3D オブジェクト再構築
英文タイトル#
Towards End-to-End Neuromorphic Event-based 3D Object Reconstruction Without Physical Priors
日本語要約#
神経形態カメラ、またはイベントカメラは、非同期の輝度変化センサーであり、動きのぼやけを伴わずに非常に速い動きをキャプチャできるため、極端な環境での 3D 再構築に特に有望です。しかし、単眼神経形態カメラを使用した 3D 再構築に関する既存の研究は限られており、ほとんどの方法は物理的先行情報の推定に依存し、複雑な多段階プロセスを採用しています。本研究では、物理的先行情報の推定を不要にする神経形態カメラを使用した密なボクセル 3D 再構築のエンドツーエンド手法を提案します。我々の方法は、エッジ特徴を強化する新しいイベント表現を組み込み、提案された特徴強化モデルがより効果的に学習できるようにします。さらに、将来の関連研究の指針として最適二値化閾値選択原則を導入し、閾値最適化によって得られた最適な再構築結果をベンチマークとして使用します。我々の方法は、ベースライン手法と比較して再構築精度を 54.6% 向上させます。
英文要約#
Neuromorphic cameras, also known as event cameras, are asynchronous brightness-change sensors that can capture extremely fast motion without suffering from motion blur, making them particularly promising for 3D reconstruction in extreme environments. However, existing research on 3D reconstruction using monocular neuromorphic cameras is limited, and most of the methods rely on estimating physical priors and employ complex multi-step pipelines. In this work, we propose an end-to-end method for dense voxel 3D reconstruction using neuromorphic cameras that eliminates the need to estimate physical priors. Our method incorporates a novel event representation to enhance edge features, enabling the proposed feature-enhancement model to learn more effectively. Additionally, we introduced Optimal Binarization Threshold Selection Principle as a guideline for future related work, using the optimal reconstruction results achieved with threshold optimization as the benchmark. Our method achieves a 54.6% improvement in reconstruction accuracy compared to the baseline method.
PDF 取得#
抖音でスキャンしてさらに素晴らしいコンテンツを見る