BiasBench: A reproducible benchmark for tuning the biases of event cameras

要約

イベントベースのカメラは、各ピクセルの光を非同期に検出するバイオ風のセンサーです。
それらは、高い時間分解能、低レイテンシ、高ダイナミックレンジなど、従来のフレームベースのカメラよりもいくつかの利点があるため、コンピュータービジョンやロボティクスなどのフィールドでますます使用されています。
他のカメラと同様に、出力の品質は、イベントベースのカメラのバイアスと呼ばれるカメラの設定が構成されていることに依存します。
フレームベースのカメラには高度な自動構成アルゴリズムがありますが、これらのバイアスを調整するためのこのようなツールはほとんどありません。
体系的なテストフレームワークでは、異なるバイアスで同じシーンを観察する必要があります。これは、イベントカメラが動きがあるときにのみイベントを生成するため、難しいです。
イベントシミュレーターが存在しますが、バイアスは電気回路とピクセル設計に大きく依存するため、利用可能なシミュレータはバイアスチューニングにはあまり適していません。
再現性を可能にするために、グリッドのようなパターンでサンプリングされた設定を備えた複数のシーンを含む新しいイベントデータセットであるBiasbenchを提示します。
3つの異なるシーンを紹介します。それぞれがダウンストリームアプリケーションの品質メトリックを備えています。
さらに、オンラインバイアス調整を促進するための新しいRLベースの方法を提示します。

要約(オリジナル)

Event-based cameras are bio-inspired sensors that detect light changes asynchronously for each pixel. They are increasingly used in fields like computer vision and robotics because of several advantages over traditional frame-based cameras, such as high temporal resolution, low latency, and high dynamic range. As with any camera, the output’s quality depends on how well the camera’s settings, called biases for event-based cameras, are configured. While frame-based cameras have advanced automatic configuration algorithms, there are very few such tools for tuning these biases. A systematic testing framework would require observing the same scene with different biases, which is tricky since event cameras only generate events when there is movement. Event simulators exist, but since biases heavily depend on the electrical circuit and the pixel design, available simulators are not well suited for bias tuning. To allow reproducibility, we present BiasBench, a novel event dataset containing multiple scenes with settings sampled in a grid-like pattern. We present three different scenes, each with a quality metric of the downstream application. Additionally, we present a novel, RL-based method to facilitate online bias adjustments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google