💻 computer science

Quantifying Noise of Dynamic Vision Sensor

यह शोध पत्र बिना किसी ग्राउंड ट्रुथ के, डायनेमिक विजन सेंसर्स में बैकग्राउंड एक्टिविटी नॉइज़ को मात्रात्मक रूप से चित्रित करने के लिए डिट्रेंडेड फ्लक्चुएशन एनालिसिस (DFA) पर आधारित एक नवीन तकनीक प्रस्तुत करता है, जो इष्टतम डिनोइजिंग फ़िल्टर पैरामीटर्स के व्युत्पन्न होने में सक्षम बनाता है।

मूल लेखक: Evgeny V. Votyakov, Alessandro Artusi

प्रकाशित 2026-03-25

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Evgeny V. Votyakov, Alessandro Artusi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक भीड़ भरे, शोर वाले कमरे में अपने दोस्त की फुसफुसाहट सुनने की कोशिश कर रहे हैं। आपके दोस्त की आवाज़ सिग्नल (संकेत) है, और भीड़ का शोर नॉइज़ (शोर) है।

यह पेपर एक विशेष प्रकार के कैमरे के बारे में है जिसे डायनेमिक विजन सेंसर (DVS) कहा जाता है। एक सामान्य कैमरे के विपरीत जो हर सेकंड एक तस्वीर लेता है (जैसे कि एक वीडियो कैमरा), यह कैमरा केवल बदलावों को "देखता" है। यदि कोई पिक्सेल नहीं बदलता है, तो वह शांत रहता है। यदि कुछ हिलता है या रोशनी बदलती है, तो वह एक छोटा सा "इवेंट" (घटना) चिल्लाकर बताता है।

समस्या: सिग्नल में अड़चन

इन कैमरों के साथ समस्या यह है कि वे थोड़े "बिखरे हुए" (jittery) होते हैं। यहाँ तक कि जब कुछ भी हिल नहीं रहा होता, तब भी वे कभी-कभी गलत अलार्म बजा देते हैं। इसे बैकग्राउंड एक्टिविटी (BA) नॉइज़ कहा जाता है। यह बिल्कुल वैसा ही है जैसे आपका दोस्त फुसफुसाने की कोशिश कर रहा हो, लेकिन कमरा रैंडम स्टैटिक (अव्यवस्थित शोर) से इतना भरा हो कि आप यह पहचान न सकें कि वह आवाज़ आपके दोस्त की है या किसी अजनबी के अचानक खांसने की।

आमतौर पर, इंजीनियर इसे ठीक करने के लिए नियम सेट करते हैं: "यदि कोई इवेंट अकेला होता है, तो वह शोर है। यदि बहुत सारे इवेंट्स स्थान और समय में एक साथ होते हैं, तो वह एक वास्तविक वस्तु है।"

लेकिन पेच यह है: आप यह कैसे जानेंगे कि आपने इसे सही ढंग से ठीक किया है?
एक सामान्य फोटो में, आप साफ की गई फोटो की तुलना मूल "परफेक्ट" फोटो से कर सकते हैं। लेकिन इन कैमरों के साथ, तुलना करने के लिए कोई "परफेक्ट" फोटो मौजूद नहीं है। आप नहीं जानते कि वास्तविक दृश्य कैसा दिखता था, इसलिए आप यह नहीं बता सकते कि आपके सफाई करने के तरीके ने आपके दोस्त की आवाज़ के साथ-साथ शोर को भी गलती से हटा दिया है या नहीं।

समाधान: शोर के "फिंगरप्रिंट्स" (उंगलियों के निशान)

इस पेपर के लेखकों ने बिना किसी "परफेक्ट" फोटो की आवश्यकता के, सफाई की गुणवत्ता की जांच करने का एक चतुर नया तरीका निकाला है। उन्होंने डिट्रेंडेड फ्लक्चुएशन एनालिसिस (DFA) नामक एक सांख्यिकीय उपकरण का उपयोग किया।

यहाँ इसका सादृश्य (analogy) दिया गया है:

वास्तविक सिग्नल (रहस्यमय बात): जब कोई वास्तविक वस्तु हिलती है, तो उसके इवेंट्स आपस में जुड़े होते हैं। वे एक पैटर्न का पालन करते हैं, जैसे कि कतार में चलते हुए लोगों की एक लाइन। इसमें व्यवस्था (order) और सहसंबंध (correlation) होता है।
शुद्ध शोर (स्टैटिक): रैंडम शोर एक भीड़ में बिना किसी पैटर्न के चिल्लाते लोगों जैसा होता है। यह अराजक और अनकोरिलेटेड (गैर-सहसंबंधित) होता है।

लेखकों ने महसूस किया कि यदि आप डेटा को साफ करने के बाद बचे हुए "शोर" को देखते हैं, तो आप उसके "फिंगरप्रिंट" की जांच कर सकते हैं।

यदि बचे हुए शोर में अभी भी व्यवस्था (एक पैटर्न) है, तो इसका मतलब है कि आपने पर्याप्त सफाई नहीं की है, या आपने गलती से वास्तविक सिग्नल को शोर के साथ मिला दिया है।
यदि बचा हुआ शोर पूरी तरह से रैंडम (अराजक) है, तो आपने बहुत अच्छा काम किया है!

उन्होंने यह कैसे किया (प्रयोग)

उन्होंने इवेंट्स के एक डेटासेट (जैसे कि स्लॉट कार रेस की रिकॉर्डिंग) को एक क्लीनिंग फ़िल्टर के माध्यम से चलाया जिसमें अलग-अलग सेटिंग्स थीं।

बहुत कोमल (Too gentle): उन्होंने फ़िल्टर सेटिंग्स को ढीला छोड़ा। जो "शोर" उन्होंने फ़िल्गर आउट किया, उसमें अभी भी पैटर्न (जैसे कारों की एक लाइन) मौजूद थे। DFA टूल ने कहा, "अरे, यह शोर पर्याप्त रैंडम नहीं है! आपने कुछ सिग्नल छोड़ दिया है।"
बहुत कठोर (Too harsh): उन्होंने फ़िल्टर को बहुत तेज़ कर दिया। शोर पूरी तरह से रैंडम हो गया, लेकिन उन्होंने वास्तविक कार के हिस्सों को भी हटाना शुरू कर दिया।
गोल्डिलॉक्स सेटिंग (The Sweet Spot): उन्हें वह "गोल्डिलॉक्स" सेटिंग मिली जहाँ बचा हुआ शोर जितना संभव हो सके उतना रैंडम था (सांख्यिकीय रूप से, "स्केलिंग एक्सपोनेंट" एक विशिष्ट संख्या, 0.5 पर पहुँच गया)। इसका मतलब था कि उन्होंने बिना यह जाने कि कार कैसी दिखती थी, सिग्नल को शोर से सफलतापूर्वक अलग कर दिया था।

यह क्यों महत्वपूर्ण है

यह एक बड़ी बात है क्योंकि यह इंजीनियरों को यह मापने के लिए एक वैज्ञानिक पैमाना देता है कि उनके नॉइज़ फ़िल्टर कितनी अच्छी तरह काम कर रहे हैं।

पहले: "मुझे लगता है कि यह फ़िल्टर अच्छा दिख रहा है क्योंकि वीडियो स्पष्ट दिख रहा है।" (व्यक्तिगत अनुमान)
अब: "मैं जानता हूँ कि यह फ़िल्टर इष्टतम (optimal) है क्योंकि बचे हुए शोर की सांख्यिकीय 'रैंडमनेस' ठीक वहीं है जहाँ उसे होना चाहिए।" (वस्तुनिष्ठ तथ्य)

निष्कर्ष (Takeaway)

यह पेपर शोर वाले कमरे में "स्टैटिक" को सुनने का एक तरीका पेश करता है और कहता है, "आह, यह स्टैटिक पूरी तरह से रैंडम है, जिसका अर्थ है कि मैंने सफलतापूर्वक फुसफुसाहट को अलग कर लिया है।" यह शोधकर्ताओं को अपने कैमरों को वास्तविक दुनिया में पूरी तरह से काम करने के लिए ट्यून करने की अनुमति देता है, भले ही उनके पास तुलना करने के लिए कोई "परफेक्ट" संदर्भ छवि न हो।

संक्षेप में: उन्होंने यह मापने का तरीका खोजा है कि सफाई के काम की गुणवत्ता कैसी है, न कि उस "पहले और बाद की" फोटो को खोजने की कोशिश करके जो अस्तित्व में ही नहीं है।

यहाँ वोत्यकोव और आर्टुसी के शोध पत्र "क्वांटिफाइंग नॉइज़ ऑफ डायनेमिक विजन सेंसर" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

डायनेमिक विजन सेंसर्स (DVS), या इवेंट कैमरे, एसिंक्रोनस रूप से प्रति-पिक्सेल ब्राइटनेस परिवर्तन का पता लगाते हैं। DVS तकनीक की एक महत्वपूर्ण सीमा बैकग्राउंड एक्टिविटी (BA) नॉइज़ है—जो सेंसर की खामियों के कारण उत्पन्न होने वाले स्प्यूरियस (दिखावटी) इवेंट्स हैं जो उपयोगी सिग्नल इवेंट्स के साथ मिश्रित हो जाते हैं।

चुनौती: शोर (नॉइज़) को सिग्नल से अलग करना कठिन है क्योंकि DVS डेटा गतिशील होता है, और व्यावहारिक परिदृश्यों में अक्सर ग्राउंड ट्रुथ (एक ज्ञात "स्वच्छ" संदर्भ) की कमी होती है जिससे डीनॉइज़िंग प्रदर्शन का मूल्यांकन किया जा सके।
वर्तमान सीमाएँ: अत्याधुनिक डीनॉइज़िंग विधियाँ (जैसे स्पैटियोटेम्पोरल नेबरहुड चेक) इस धारणा पर निर्भर करती हैं कि नॉइज़ इवेंट्स आइसोलेटेड (अलग-थलग) होते हैं। हालाँकि, इन फिल्टर्स की गुणवत्ता का आकलन करना व्यक्तिपरक या गणनात्मक रूप से महंगा है। मौजूदा मूल्यांकन विधियाँ या तो सिंथेटिक डेटा पर निर्भर करती हैं (जो वास्तविकता को प्रतिबिंबित नहीं कर सकता) या इवेंट-वार लेबलिंग पर निर्भर करती हैं, जो उच्च डेटा दरों के कारण अव्यवहारिक है।
अंतराल (The Gap): नॉइज़ को मापने और डीनॉइज़िंग फ़िल्टर मापदंडों को अनुकूलित करने के लिए एक ऑब्जेक्टिव, ग्राउंड-ट्रूथ-मुक्त मीट्रिक की कमी है।

2. कार्यप्रणाली (Methodology)

लेखक DVS नॉइज़ को लक्षणबद्ध करने के लिए डिट्रेंडेड फ्लक्चुएशन एनालिसिस (DFA) का उपयोग करते हुए एक नया दृष्टिकोण प्रस्तावित करते हैं, जो कि एक सांख्यिकीय विधि है जिसका उपयोग आमतौर पर टाइम सीरीज़ में लॉन्ग-रेंज कोरिलेशन का पता लगाने के लिए किया जाता है।

A. डेटा सेगमेंटेशन (Data Segmentation)

इस पद्धति में एक मानक BA फ़िल्टर का उपयोग करके कच्चे DVS इवेंट स्ट्रीम ( $TS_{full}$ ) को दो घटकों में विभाजित करना शामिल है:

क्लीन सिग्नल ( $TS_{clean}$ ): वे इवेंट्स जिन्हें सह-संबंधित (सिग्नल) के रूप में पहचाना गया है।
रेसिड्यूअल नॉइज़ ( $TS_{noise}$ ): वे इवेंट्स जिन्हें असंबद्ध (नॉइज़) के रूप में पहचाना गया है।

B. DVS के लिए DFA का अनुकूलन (Adaptation of DFA to DVS)

मानक DFA एक टाइम सीरीज़ $x$ का विश्लेषण करता है। DVS के लिए, लेखक रैंडम वेरिएबल $x$ को इंटर-इवेंट टाइम इंटरवल्स ( $\delta t_i = t_i - t_{i-1}$ ) को दर्शाने के लिए अनुकूलित करते हैं।

क्युमुलेटिव सम (Cumulative Sum): इन इंटरवल्स का संचयी योग ठीक से इवेंट टाइमस्टैम्प्स ( $X_i = t_i$ ) के अनुरूप होता है।
डिट्रेंडिंग (Detrending): टाइम सीरीज़ को लंबाई $n$ के सेगमेंट में विभाजित किया जाता है। स्थानीय पूर्वाग्रहों को हटाने के लिए एक स्थानीय ट्रेंड को फिट और घटाया जाता है।
फ्लक्चुएशन कैलकुलेशन: प्रत्येक सेगमेंट लंबाई के लिए रूट-मीन-स्क्वायर फ्लक्चुएशन $F(n)$ की गणना की जाती है।
स्केलिंग एक्सपोनेंट ( $\alpha$ ): $\log F(n)$ $lo g F (n)$ बनाम $\log n$ $lo g n$ को प्लॉट करके, ढलान (स्लोप) स्केलिंग एक्सपोनेंट $\alpha$ $α$ प्रदान करती है।
- $\alpha \approx 0.5$ : असंबद्ध, रैंडम नॉइज़ (एक नॉइज़ स्ट्रीम के लिए आदर्श)।
- $\alpha > 0.5$ : पॉजिटिव लॉन्ग-रेंज कोरिलेशन (यह अवशिष्ट सिग्नल संरचना या गैर-रैंडम पैटर्न को दर्शाता है)।
- $\alpha < 0.5$ : एंटी-कोरिलेशन।

C. ऑप्टिमाइज़ेशन क्राइटेरियन (Optimization Criterion)

मूल परिकल्पना यह है कि एक इष्टतम डीनॉइज़िंग फ़िल्टर एक ऐसा रेसिड्यूअल नॉइज़ स्ट्रीम उत्पन्न करेगा जो जितना संभव हो सके उतना रैंडम होगा। इसलिए, इष्टतम फ़िल्टर पैरामीटर (विशेष रूप से समय विंडो $\Delta T$ ) वह है जो रेसिड्यूअल नॉइज़ के DFA एक्सपोनेंट $\alpha$ को न्यूनतम करता है, जिससे यह 0.5 की ओर बढ़ता है।

3. मुख्य योगदान (Key Contributions)

नया मीट्रिक: बिना ग्राउंड ट्रुथ डेटा के DVS डीनॉइज़िंग प्रदर्शन का मूल्यांकन करने के लिए DFA के रूप में एक ऑब्जेक्टिव क्राइटेरियम का परिचय।
पैरामीटर ऑप्टिमाइज़ेशन: रेसिड्यूअल नॉइज़ की रैंडमनेस का सांख्यिकीय विश्लेषण करके BA फिल्टर्स (विशेष रूप से $\Delta T$ ) के लिए इष्टतम मापदंडों को प्राप्त करने की एक सिद्धांतपूर्ण विधि।
प्रथम अनुप्रयोग: यह इवेंट-आधारित कैमरा डेटा के विश्लेषण के लिए DFA का पहला ज्ञात अनुप्रयोग है।
वैलिडेशन: यह प्रदर्शन कि यह मीट्रिक सरल सिंथेटिक-जैसे डेटासेट और इंजेक्टेड नॉइज़ वाले जटिल वास्तविक दुनिया के दृश्यों दोनों पर काम करता है।

4. परिणाम (Results)

लेखकों ने दो प्रकार के डेटासेट पर अपनी पद्धति को मान्य किया:

सरल डेटासेट (Slot-car):
- BA फ़िल्टर को विभिन्न समय विंडो ( $\Delta T = 1,000$ से $16,000\ \mu s$ ) के साथ लागू किया गया।
- विजुअल बनाम सांख्यिकीय: जबकि विजुअल निरीक्षण ने दिखाया कि कम $\Delta T$ पर नॉइज़ में सिग्नल ट्रेसेस शेष रहे, DFA मीट्रिक ने इसे क्वांटिफाई किया।
- कोरिलेशन: $\Delta T = 1000$ पर, $\alpha = 0.74$ (अत्यधिक सह-संबंधित, जो अवशिष्ट सिग्नल का संकेत देता है)। जैसे-जैसे $\Delta T$ बढ़कर $16,000 $हुआ,$ \alpha$ गिरकर 0.50 हो गया, जो दर्शाता कि नॉइज़ वास्तव में रैंडम हो गया था।
- ट्रेड-ऑफ: अध्ययन ने नोट किया कि हालांकि $\Delta T$ को अधिकतम करने से मीट्रिक में सुधार होता है, लेकिन इससे कंप्यूटेशनल लेटेंसी ( $O(N^2)$ नैव इम्प्लीमेंटेशन के लिए) बढ़ जाती है। इस प्रकार, DFA उस "स्वीट स्पॉट" को खोजने में मदद करता है जहाँ अत्यधिक कंप्यूटेशनल लागत के बिना नॉइज़ रैंडम हो जाता है।
जटिल डेटासेट (PROPHESSEE विद इंजेक्टेड नॉइज़):
- क्लीन इवेंट स्ट्रीम्स को नियंत्रित मात्रा में BA नॉइज़ (5%, 10%, 20%) के साथ मिलाया गया।
- जैसे-जैसे नॉइज़ का अंश बढ़ा, फिल्टर किए गए रेसिड्यूअल नॉइज़ का DFA एक्सपोनेंट लगातार 0.5 की ओर अभिसरित (converge) हुआ।
- इसने पुष्टि की कि मीट्रिक गतिशील वस्तुओं वाले जटिल दृश्यों में भी प्रभावी नॉइज़ सप्रेशन का विश्वसनीय रूप से पता लगाता है।

5. महत्व (Significance)

ग्राउंड-ट्रुथ इंडिपेंडेंस: यह कार्य एक ऑब्जेक्टिव तरीका प्रदान करके DVS अनुसंधान में एक बड़ी बाधा को हल करता है, जिससे उन वास्तविक परिदृश्यों में भी फिल्टर्स को ट्यून और मूल्यांकित किया जा सकता है जहाँ ग्राउंड ट्रुथ उपलब्ध नहीं है।
ऑब्जेक्टिव मानकीकरण: यह क्षेत्र को व्यक्तिपरक विजुअल निरीक्षण या एप्लिकेशन-विशिष्ट मेट्रिक्स (जैसे वार्प्ड-इवेंट कंट्रास्ट) से हटाकर एक यूनिवर्सल सांख्यिकीय मानक की ओर ले जाता है।
भविष्य की दिशाएं: लेखक उन्नत फिल्टर्स (जैसे $k$ -noise, $y$ -noise) के विश्लेषण के लिए इस पद्धति को विस्तारित करने और इंटर-इवेंट इंटरवल्स के पॉइसन स्टैटिस्टिक्स के साथ DFA एक्सपोनेंट्स के संबंध को खोजने का सुझाव देते हैं।

संक्षेप में, यह पेपर स्थापित करता है कि रेसिड्यूअल नॉइज़ स्ट्रीम के DFA स्केलिंग एक्सपोनेंट ( $\alpha$ ) को न्यूनतम करना DVS डीनॉइज़िंग फिल्टर्स को अनुकूलित करने का एक मजबूत, ऑब्जेक्टिव तरीका है, जो यह सुनिश्चित करता है कि शेष नॉइज़ सांख्यिकीय रूप से रैंडम है और उपयोगी सिग्नल सुरक्षित रहा है।