Event Data Association via Robust Model Fitting for Event-based Object Tracking

要約

イベントベースのアプローチは、生物からインスピレーションを得た非同期イベント カメラに基づいており、さまざまなコンピューター ビジョン タスクで有望なパフォーマンスを達成しています。
ただし、基本的なイベント データ関連付け問題の研究はまだ初期段階にあります。
この論文では、イベントの関連付けと融合の問題に明示的に対処するための新しいイベント データ関連付け (EDA と呼ばれる) アプローチを提案します。
提案された EDA は、統一的なデータ関連付けと情報融合を実行するために、イベント データに最も適合するイベント軌跡を探します。
EDA では、まずイベント データをその情報エントロピーに基づいて非同期的に融合します。
次に、決定論的モデル仮説生成戦略を導入します。これは、融合されたイベントからモデル仮説を効果的に生成し、対応するイベントの軌跡を表します。
その後、多構造幾何モデル フィッティングを通じて、生成されたモデル仮説から真のモデルをロバストに重み付けして選択する 2 段階の重み付けアルゴリズムを提案します。
一方、真のモデルの数を自動的に決定するための適応モデル選択戦略も提案します。
最後に、選択した真のモデルを使用して、センサー ノイズや無関係な構造の影響を受けることなく、イベント データを関連付けて融合します。
物体追跡タスクにおける提案された EDA のパフォーマンスを評価します。
実験結果は、高速、モーション ブラー、高ダイナミック レンジ条件などの困難なシナリオにおける EDA の有効性を示しています。

要約(オリジナル)

Event-based approaches, which are based on bio-inspired asynchronous event cameras, have achieved promising performance on various computer vision tasks. However, the study of the fundamental event data association problem is still in its infancy. In this paper, we propose a novel Event Data Association (called EDA) approach to explicitly address the event association and fusion problem. The proposed EDA seeks for event trajectories that best fit the event data, in order to perform unifying data association and information fusion. In EDA, we first asynchronously fuse the event data based on its information entropy. Then, we introduce a deterministic model hypothesis generation strategy, which effectively generates model hypotheses from the fused events, to represent the corresponding event trajectories. After that, we present a two-stage weighting algorithm, which robustly weighs and selects true models from the generated model hypotheses, through multi-structural geometric model fitting. Meanwhile, we also propose an adaptive model selection strategy to automatically determine the number of the true models. Finally, we use the selected true models to associate and fuse the event data, without being affected by sensor noise and irrelevant structures. We evaluate the performance of the proposed EDA on the object tracking task. The experimental results show the effectiveness of EDA under challenging scenarios, such as high speed, motion blur, and high dynamic range conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google