配向距離場によるイベントベースのモーション推定

本論文は、イベントカメラの出力を用いたモーション推定（動き推定）の新しい手法を提案している。従来の反復最適化や仮説比較に頼らず、事前計算されたイベント距離ベクトルの場（Oriented Distance Field）に対する単一の平均化ステップでモーションを推定する。適応的なイベント数選択戦略とパラメータフリーのトレイルフィルタを組み合わせることで、低遅延かつ高精度な推定を実現する。さらに、推定した軌跡を利用したリアルタイム非盲点劣化復元（deblurring）と、低消費電力の瞳孔・グリント追跡という2つの下流アプリケーションでの有効性も示している。

既存のイベントベースのモーション推定手法は、反復最適化や繰り返しの仮説比較に依存しており、イベントカメラの低遅延という利点を損なっていた。本手法は、事前計算された距離場に対する単一の平均化ステップで推定を行うため、計算コストが低く、遅延が最小限である。また、パラメータフリーのトレイルフィルタや適応的なイベント数選択により、ノイズや動きの速さに対して頑健であり、公開データセットと自前データセットでサブピクセル精度を達成している。さらに、下流タスクへの応用も示しており、従来手法と比較して競争力のある性能を少ないパラメータ数で実現している。

手法の核は、イベントの距離ベクトルを事前計算した場（Oriented Distance Field）を構築し、それを用いてモーションを単一の平均化ステップで推定することである。具体的には、イベントの空間分布から距離場を計算し、各イベントの方向と距離をベクトルとして保持する。モーション推定時には、これらのベクトルを平均化することで並進・回転の速度を求める。また、適応的なイベント数選択戦略により、動きの速さに応じて使用するイベント数を調整し、トレイルフィルタでノイズを除去する。この事前計算された場は、下流タスクでも再利用され、例えばdeblurringでは軌跡をブラーカーネルに変換し、瞳孔追跡では方向性イベントフィルタとして機能する。

公開データセットと自前で収集したデータセットを用いて、モーション推定の精度と遅延を評価した。比較手法の中で最も低い遅延でサブピクセル精度を達成した。また、下流タスクとして、非盲点劣化復元では、シミュレーションで生成したモーション推定ノイズで訓練した反復展開ネットワークを用い、1Mパラメータ未満で競争力のあるPSNR/SSIMを達成した。瞳孔・グリント追跡では、低消費電力の非同期トラッカーに応用し、数十秒間の安定した追跡を実現し、近眼モジュールの消費電力を低減した。

要旨からは、提案手法の限界や潜在的な問題についての議論は明示されていない。ただし、モーション推定の精度はイベントの品質や距離場の計算に依存する可能性があり、複雑な動きや遮蔽がある場合の性能は不明である。また、下流タスクでの評価は特定の応用に限定されており、汎用性についてはさらなる検証が必要かもしれない。

要旨で参照されている関連研究は明示されていないが、イベントベースのモーション推定の分野では、従来の最適化ベースの手法（例えば、コントラスト最大化法）や、イベントカメラの基礎を扱った論文が関連する。具体的には、イベントカメラの原理を解説した「Event-based Vision: A Survey」や、コントラスト最大化を用いたモーション推定の論文が挙げられる。また、下流タスクに関連して、非盲点劣化復元では「Deep Unrolling for Blind Deblurring」、瞳孔追跡では「Event-based Pupil Tracking」などの研究が参考になる。