A Fast Geometric Regularizer to Mitigate Event Collapse in the Contrast Maximization Framework

要約

イベント カメラは新しいビジョン センサーであり、その利点は自律型ロボットなどのさまざまなアプリケーションに適しています。
イベントを使用したモーション推定で最先端の精度を提供するコントラスト最大化 (CMax) は、イベントの崩壊と呼ばれるオーバーフィッティングの問題に悩まされる可能性があります。
以前の作業は計算コストが高いか、オーバーフィッティングを軽減できないため、CMax フレームワークの利点が損なわれます。
イベントの崩壊を軽減するために、幾何学的原理に基づいた、計算効率の高い新しいレギュラーを提案します。
実験は、提案された正則化器が最先端の精度の結果を達成する一方で、計算の複雑さが軽減されているため、以前のアプローチよりも 2 倍から 4 倍高速になることを示しています。
私たちの知る限りでは、私たちのレギュラーライザーは、ランタイムを犠牲にすることなくイベントを崩壊させるための唯一の効果的なソリューションです。
私たちの研究が、イベント カメラの利点を解き放つ将来のアプリケーションへの扉を開くことを願っています。

要約(オリジナル)

Event cameras are emerging vision sensors and their advantages are suitable for various applications such as autonomous robots. Contrast maximization (CMax), which provides state-of-the-art accuracy on motion estimation using events, may suffer from an overfitting problem called event collapse. Prior works are computationally expensive or cannot alleviate the overfitting, which undermines the benefits of the CMax framework. We propose a novel, computationally efficient regularizer based on geometric principles to mitigate event collapse. The experiments show that the proposed regularizer achieves state-of-the-art accuracy results, while its reduced computational complexity makes it two to four times faster than previous approaches. To the best of our knowledge, our regularizer is the only effective solution for event collapse without trading off runtime. We hope our work opens the door for future applications that unlocks the advantages of event cameras.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google