日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

イベントカメラ/光学流/水中arXiv:2601.10054

UEOF: 水中イベントベース光学流のためのベンチマークデータセット

UEOF: A Benchmark Dataset for Underwater Event-Based Optical Flow

シェア:XThreadsFacebookLINEはてブBluesky

物理ベースのレイトレーシングで生成した水中RGBD映像からイベントカメラデータと正解光学流を合成し、水中環境でのイベントベース光学流推定手法を評価する初のベンチマークを構築した。

詳しい要約

1. どんなもの?

- 水中環境におけるevent-based optical flowのための初の合成ベンチマークデータセットUEOFを提案。 - 物理ベースのray-traced RGBDシーケンスから生成。 - 水中の光伝搬を考慮したリアルなeventデータストリームと、dense ground-truth flow、depth、camera motionを提供。 - 学習ベースおよびモデルベースの最先端optical flow予測手法をベンチマーク。 - 水中event-based知覚アルゴリズムの開発と評価のための新しいベースラインを確立。

2. 先行研究と比べてどこがすごい?

- 従来、水中環境では波長依存の光減衰、散乱、濁りによるぼけ、不均一照明のため、標準カメラではground-truth motionの取得がほぼ不可能だった。 - event cameraはマイクロ秒分解能と高ダイナミックレンジを持つが、水中環境での研究はデータセット不足により限られていた。 - 本データセットは、リアルな水中光学と正確なoptical flowをペアで提供する初の合成ベンチマークであり、このギャップを埋める。

3. 技術・手法の肝は?

- 物理ベースのray-traced RGBDシーケンスを基に、現代的なvideo-to-eventパイプラインを適用。 - レンダリングされた水中ビデオからリアルなeventデータストリームを生成。 - dense ground-truth flow、depth、camera motionを同時に提供。 - 水中光伝搬がevent形成と動き推定精度に与える影響を分析するため、学習ベースとモデルベースの手法をベンチマーク。

4. どうやって有効だと検証した?

- 最先端の学習ベースおよびモデルベースのoptical flow予測手法をベンチマークし、水中光伝搬がevent形成と動き推定精度に与える影響を評価。 - データセットが将来の水中event-based知覚アルゴリズムの開発と評価のための新しいベースラインを確立することを示した。 - 具体的な評価指標や実験結果の詳細は要旨からは不明。

5. 議論はある?

- 水中光伝搬がevent形成と動き推定精度に影響を与えることを議論。 - データセットの限界や課題、今後の方向性についての具体的な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/比較されている研究は明示されていない。 - 同分野の関連手法として、event-based optical flowの代表的手法(例:EV-FlowNet、E2VID、RAFTなど)や水中イメージングの物理モデルに関する論文が挙げられる。

※ 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: Nick Truong, Pritam P. Karmokar, William J. Beksi

分類: cs.CV, cs.RO

原文アブストラクト

Underwater imaging is fundamentally challenging due to wavelength-dependent light attenuation, strong scattering from suspended particles, turbidity-induced blur, and non-uniform illumination. These effects impair standard cameras and make ground-truth motion nearly impossible to obtain. On the other hand, event cameras offer microsecond resolution and high dynamic range. Nonetheless, progress on investigating event cameras for underwater environments has been limited due to the lack of datasets that pair realistic underwater optics with accurate optical flow. To address this problem, we introduce the first synthetic underwater benchmark dataset for event-based optical flow derived from physically-based ray-traced RGBD sequences. Using a modern video-to-event pipeline applied to rendered underwater videos, we produce realistic event data streams with dense ground-truth flow, depth, and camera motion. Moreover, we benchmark state-of-the-art learning-based and model-based optical flow prediction methods to understand how underwater light transport affects event formation and motion estimation accuracy. Our dataset establishes a new baseline for future development and evaluation of underwater event-based perception algorithms. The source code and dataset for this project are publicly available at https://robotic-vision-lab.github.io/ueof.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI