位置認識2025/9/1arXiv:2509.01968

照明変化に頑健なイベントカメラ位置認識のためのアンサンブル手法

Ensemble-Based Event Camera Place Recognition Under Varying Illumination

イベントカメラを用いた位置認識において、複数の再構成手法・特徴抽出器・時間解像度を組み合わせたアンサンブル手法を提案し、昼夜を問わない照明変化下での認識性能を大幅に向上させた。

詳しい要約

1. どんなもの？

- Event camera を用いた visual place recognition (VPR) の研究 - 厳しい照明変化(午後・日没・夜間など)下での頑健性向上を目的とする - ensemble-based approach を提案 - 複数の要素を統合する枠組み - 複数の event-to-frame reconstructions - 複数の VPR feature extractors - 複数の temporal resolutions - 2つの long-term driving datasets で評価(1走行あたり8 km) - metric subsampling を行わず、速度や停止時間の自然な変動を保持

2. 先行研究と比べてどこがすごい？

- 従来の event-based ensemble 手法は temporal resolution のみを利用 - 本研究はより広い fusion strategy を採用 - event-to-frame reconstruction、VPR feature extractor、temporal resolution を組み合わせる - 照明条件が変化する状況での頑健性が大幅に向上 - day-night transitions において Recall@1 で 57% の相対改善 - metric subsampling なしの長距離 driving datasets で評価

3. 技術・手法の肝は？

- 複数の event-to-frame reconstructions を生成 - 複数の VPR feature extractors を適用 - 複数の temporal resolutions で sequence matching を実施 - 各結果を ensemble 的に統合し place recognition を行う - 標準 sequence matching framework に対する修正を提案 - より長い sequence length での性能を向上させる - 設計選択の分析対象 - binning strategies - polarity handling - reconstruction methods - feature extractors

4. どうやって有効だと検証した？

- 2つの long-term driving datasets で評価 - 各 traverse は 8 km - metric subsampling なし - 照明条件(午後・日没・夜間)を含む day-night transitions で評価 - Recall@1 で 57% の相対改善を報告 - 主要な設計選択について包括的な分析を実施 - binning strategies、polarity handling、reconstruction methods、feature extractors

5. 議論はある？

- どの設計要素が頑健な性能に最も重要かを分析 - binning strategies、polarity handling、reconstruction methods、feature extractors - 標準 sequence matching framework の修正が長い sequence length で有効 - コードベースと benchmarking framework を公開予定 - 具体的な限界や失敗事例についての議論は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照/比較されている event-based ensemble 手法(temporal resolution のみを用いるもの) - event camera を用いた VPR の先行研究 - event-to-frame reconstruction 関連手法 - VPR feature extractor 関連手法 - sequence matching framework 関連研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Therese Joseph, Tobias Fischer, Michael Milford

分類: cs.CV, cs.RO

原文アブストラクト

Compared to conventional cameras, event cameras provide a high dynamic range and low latency, offering greater robustness to rapid motion and challenging lighting conditions. Although the potential of event cameras for visual place recognition (VPR) has been established, developing robust VPR frameworks under severe illumination changes remains an open research problem. In this paper, we introduce an ensemble-based approach to event camera place recognition that combines sequence-matched results from multiple event-to-frame reconstructions, VPR feature extractors, and temporal resolutions. Unlike previous event-based ensemble methods, which only utilise temporal resolution, our broader fusion strategy delivers significantly improved robustness under varied lighting conditions (e.g., afternoon, sunset, night), achieving a 57% relative improvement in Recall@1 across day-night transitions. We evaluate our approach on two long-term driving datasets (with 8 km per traverse) without metric subsampling, thereby preserving natural variations in speed and stop duration that influence event density. We also conduct a comprehensive analysis of key design choices, including binning strategies, polarity handling, reconstruction methods, and feature extractors, to identify the most critical components for robust performance. Additionally, we propose a modification to the standard sequence matching framework that enhances performance at longer sequence lengths. To facilitate future research, we will release our codebase and benchmarking framework.

arXivで原文を読む →arXiv概要ページ

照明変化に頑健なイベントカメラ位置認識のためのアンサンブル手法

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell