用于运动跟踪的神经隐式事件生成器
计算机视觉与模式识别
2021-11-09 v1
摘要
我们提出一种利用隐式表达从事件数据进行运动跟踪的新颖框架。我们的框架使用名为隐式事件生成器（IEG）的预训练事件生成 MLP，并基于观测事件与当前状态估计所生成事件之间的差异来更新其状态（位置与速度）以实现运动跟踪。该差异由 IEG 隐式计算。不同于需要进行密集计算以评估差异的传统显式方法，我们的隐式方法可直接从稀疏事件数据实现高效状态更新。我们的稀疏算法尤其适用于计算资源与电池续航受限的移动机器人应用。为验证方法在真实数据上的有效性，我们将其应用于 AR 标记跟踪应用。我们已确认，在存在噪声与背景杂波的真实环境中，我们的框架表现良好。
引用
@article{arxiv.2111.03824,
title = {Neural Implicit Event Generator for Motion Tracking},
author = {Mana Masuda and Yusuke Sekikawa and Ryo Fujii and Hideo Saito},
journal= {arXiv preprint arXiv:2111.03824},
year = {2021}
}
备注
Submitted to ICRA 2022