グラフ周波数特徴を用いたイベントカメラのノイズ除去

• Item type: SIG Technical Reports(1)
• 公開日: 2024-08-28
• タイトル: グラフ周波数特徴を用いたイベントカメラのノイズ除去
• タイトル / 言語: en
• タイトル: Denoising for Neuromorphic cameras Based on Graph Spectral Features
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 大阪大学大学院工学研究科
• 著者所属: 大阪大学大学院工学研究科
• 著者所属: 大阪大学大学院工学研究科
• 著者所属: 大阪大学大学院工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Osaka University
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, Osaka University
• 著者名: 原田, 晋平; 原, 惇也; 東, 広志; 田中, 雄一
• 著者名(英): Shimpei, Harada; Junya, Hara; Hiroshi, Higashi; Yuichi, Tanaka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: イベントカメラは，各センサが独立して非同期に輝度の変化を検出することで，3 次元（2 次元座標 + 時間）のストリームデータを出力するカメラである．イベントカメラは，高時間分解能，低遅延，低電力消費，高ダイナミックレンジといった望ましい特性を持ち，様々な分野で利用されている．一方で，その感度の高さから，イベントストリームは多くのノイズを含む．本報告では，グラフ周波数特徴を用いたイベントカメラのノイズ除去手法を提案する．提案手法では，実際のイベント（リアルイベント）はノイズ由来のイベント（ノイズイベント）に比べて 3 次元空間上で密に分布するという知見に基づき，リアルイベントとノイズイベントを分類する．最初に，各イベントを頂点とするグラフを構築する．次に，冪乗法を用いて，グラフ作用素から Fiedler ベクトルを導出する．提案する冪乗法は，固有値分解に比べて少ない計算量で Fiedler ベクトルを得ることが出来る．最後に，Fiedler ベクトルに対して閾値処理を行うことでノイズ除去を行う．実験において，既存手法と比較して提案手法が優れたノイズ除去性能を示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Neuromorphic cameras, also known as event-based cameras, can detect changes in the environmental brightness asynchronously and independently for each pixel. They output the changes, i.e., events, as 3-D (2-D pixel coordinates + time) streaming data. While event-based cameras are used in many applications because of their desirable characteristics, such as high temporal resolution, low latency, low power consumption, and high dynamic range, their measurements contain considerable noise due to their high sensitivity. In this paper, we propose a simple yet effective denoising method for event-based cameras based on graph spectral features. We utilize the fact that the real events captured are often densely distributed in the streaming data while the noise events are spatiotemporally sparse. In the proposed method, we first construct a graph where nodes represent events and edges represent the spatiotemporal distance between events. Next, we calculate the Fiedler vector, which is the eigenvector of the graph operator associated with the second smallest eigenvalue. We extract real events based on the magnitudes of the obtained Fiedler vector. In the calculation of the Fiedler vector, we leverage a power method instead of the naive eigenvalue decomposition and thereby reduce its computational complexity. In experiments, we demonstrate that the proposed method effectively removes noise events from the raw events compared to conventional methods.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438399
• 書誌情報: 研究報告オーディオビジュアル複合情報処理（AVM）; 巻 2024-AVM-125, 号 1, p. 1-6, 発行日 2024-08-28
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8582
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会