事象ベースビジョンのための深層学習：包括的なサーベイとベンチマーク

事象カメラは生物に触発されたセンサーで、ピクセルごとの輝度変化を非同期に捉え、時間、ピクセル位置、極性(符号)を表すイベントストリームを生成する。事象カメラは従来のフレームベースカメラに比べて多くの利点を持つが、その独特な撮像パラダイムにより、フレームベースのコンピュータビジョンアルゴリズムをそのまま適用することができない。近年、深層学習がこの新興分野に導入され、その可能性を探る活発な研究が行われている。本論文では、事象表現の質的向上手法を概観した上で、既存の深層学習ベースの手法を体系的に2つの主要カテゴリに分類して包括的にレビューする:1) 画像/ビデオの再構成と復元、2) 事象ベースのシーン理解と3Dビジョン。さらに、代表的な研究分野(画像再構成、ぼけ除去、物体認識)について、ベンチマーク実験を行い、重要な洞察と問題点を明らかにする。最後に、課題と新しい視点について議論し、今後の研究の方向性を示唆する。