Noise2Params: Unification and Parameter Determination from Noise via a Probabilistic Event Camera Model

तकनीकी सारांश: Noise2Params: एक संभाव्य इवेंट कैमरा मॉडल के माध्यम से शोर (Noise) से एकीकरण और पैरामीटर निर्धारण

समस्या विवरण
इवेंट कैमरों (ECs) के लिए सटीक, एकीकृत मॉडल अभी भी दुर्लभ हैं, जो सटीक अंशांकन (calibration) और मजबूत एल्गोरिदम के डिजाइन में बाधा डालते हैं। जबकि ECs एसिंक्रोनस रिकॉर्डिंग, उच्च डायनेमिक रेंज और कम विलंबता (latency) जैसे लाभ प्रदान करते हैं, भौतिक सिद्धांतों पर आधारित इवेंट जनरेशन के लिए एक मात्रात्मक मॉडल का अभाव है। पैरामीटर अनुमान, विशेष रूप से लॉग-कॉन्ट्रास्ट थ्रेशोल्ड ($B$) के लिए, मौजूदा दृष्टिकोण स्टेप-रिस्पॉन्स कर्व्स (S-curves) पर निर्भर करते हैं जिनके परस्पर विरोधी अर्थ (जैसे 50% बनाम 100% प्रायिकता थ्रेशोल्ड) होते हैं, या उन्हें विशिष्ट गतिशील प्रकाश स्रोतों की आवश्यकता होती है। इसके अलावा, शोर इवेंट्स (स्थिर दृश्यों में स्प्यूरियस ट्रिगर्स) को अक्सर सूचना के स्रोत के बजाय एक बाधा (nuisance) के रूप में माना जाता है, और मौजूदा शोर मॉडल (जैसे कि गॉसियन सन्निकटन/approximations) कम-प्रकाश वाले शासन (regimes) में व्यवहार का सटीक वर्णन करने में विफल रहते हैं जहाँ फोटॉन सांख्यिकी विविक्त (discrete) होती है।

कार्यप्रणाली (Methodology)
लेखक इवेंट डिटेक्शन के लिए एक मौलिक संभाव्यता मॉडल प्रस्तावित करते हैं जो फोटॉन आगमन की विविक्त, पॉइसन प्रकृति पर आधारित है। यह मॉडल स्टैटिक सीन शोर इवेंट्स और स्टेप-रिस्पेंस कर्व्स (S-curves) का वर्णन करने के लिए एक एकल विश्लेषणात्मक ढांचे के भीतर उन्हें एकीकृत करता है।

1. संभाव्यता सूत्रीकरण (Probabilistic Formulations): लेखक इवेंट डिटेक्शन के लिए तीन सूत्रीकरण व्युत्पन्न करते हैं, जो सभी तीव्रता स्तरों (intensity regimes) में फैले हुए हैं:

   • सटीक पॉइसॉन (Exact Poisson): सभी तीव्रताओं में मान्य एक सटीक उपचार, जो फोटॉन गणनाओं की विविक्त प्रकृति और एक लीकेज टर्म ($\theta$) को ध्यान में रखता है।
   • सैडल-पॉइंट सन्निकटन (Saddle-Point Approximation): एक परिष्कृत सन्निकटन जो सभी तीव्रताओं में मान्य है, जिसके लिए केवल एक संख्यात्मक रूट-फाइंडिंग ऑपरेशन की आवश्यकता होती है।
   • गॉसियन सन्निकटन (Gaussian Approximation): एक गणनात्मक रूप से कुशल सन्निकटन जो केवल मध्यम-से-उच्च तीव्रताओं ($\lambda \gtrsim 10$) के लिए मान्य है।
     मॉडल एक लीकेज टर्म $\theta$ को शामिल करता है, जिसे तीव्रता-निर्भर $\theta(\lambda) = c_1 + c_2\sqrt{\lambda} + c_3\lambda$ के रूप में मॉडल किया गया है, जो डार्क करंट और सर्किट लीकेज को ध्यान में रखता है।

2. Noise2Params एल्गोरिदम: इस मॉडल का लाभ उठाते हुए, लेखक त्रुटि न्यूनीकरण (error minimization) के माध्यम से कैमरा-विशिष्ट भौतिक पैरामीटर ($B$, लक्स-टू-फोटॉन कन्वर्जन फैक्टर $\alpha$, और लीकेज गुणांक) निर्धारित करने के लिए "Noise2Params" नामक एक विधि पेश करते हैं।

   • डेटा स्रोत: इस विधि के लिए विभिन्न तीव्रताओं पर स्थिर, एकसमान दृश्यों की रिकॉर्डिंग का उपयोग करके अनुभवजन्य शोर-इवेंट वितरण बनाने की आवश्यकता होती है। इसके लिए अनिवार्य रूप से S-curves की आवश्यकता नहीं होती है, हालांकि उनका उपयोग अतिरिक्त बाधाओं के रूप में किया जा सकता है।
   • प्रक्रिया: एल्गोरिदम अनुकूलतम पैरामीटर सेट निकालने के लिए देखे गए शोर-इवेंट संभाव्यता ($\hat{P}_{\pm}$) और रिपोर्ट किए गए S-curves को एक साथ फिट करता है।

3. डीप लर्निंग के माध्यम से सत्यापन: अपने मॉडल और निर्धारित मापदंडों को मान्य करने के लिए, लेखक व्युत्पन्न संभाव्यता वितरणों का उपयोग करके सिंथेटिक शोर चित्र उत्पन्न करते हैं। इन सिंथेटिक चित्रों का उपयोग स्थिर दृश्यों के पुनर्निर्माण के लिए कनवल्शनल न्यूरल नेटवर्क (CNN) को प्रशिक्षित करने के लिए किया जाता है। सिंथेटिक डेटा (सैडल-पॉइंट बनाम गॉसियन) पर प्रशिक्षित CNN के प्रदर्शन की तुलना उनके प्रयोगात्मक डेटा और मिश्रित डेटासेट पर प्रशिक्षित CNN से की जाती है।

मुख्य योगदान

• एकीकृत संभाव्यता मॉडल: यह पेपर एक ऐसा विश्लेषणात्मक ढांचा प्रदान करता है जो स्टैटिक शोर इवेंट्स और S-curves को एकीकृत करता है, जिससे यह स्पष्ट होता है कि S-curves में थ्रेशोल्ड की स्पष्ट तीव्रता निर्भरता वास्तव में एक परिवर्तनशील $B$ का परिणाम नहीं, बल्कि तीव्रता-निर्भर लीकेज टर्म $\theta$ का परिणाम है।
• Noise2Params: केवल स्टैटिक सीन शोर का उपयोग करके कैमरा-विशिष्ट भौतिक पैरामीटर निर्धारित करने के लिए एक व्यावहारिक, प्रयोगात्मक रूप से सुलभ विधि। यह विशिष्ट गतिशील प्रकाश स्रोतों या जटिल S-curve जनरेशन की आवश्यकता को समाप्त करता है।
• तीव्रता-निर्भर लीकेज: लीकेज टर्म $\theta(\lambda)$ की पहचान और उसका पैरामेट्रिक मॉडलिंग, जिसे दिखाया गया है कि कम-प्रकाश वाले शासन में सटीक मॉडलिंग के लिए $\theta$ अत्यंत महत्वपूर्ण है जहाँ गॉसियन सन्निकटन विफल हो जाते हैं।
• सिंथेटिक डेटा की उपयोगिता: यह प्रदर्शन कि सैडल-पॉइंट मॉडल से उत्पन्न सिंथेटिक डेटा पर प्रशिक्षित CNN, केवल गॉसियन-आधारित सिंथेटिक डेटा पर प्रशिक्षित CNN की तुलना में बेहतर प्रदर्शन करते हैं, विशेष रूप से अंधेरे क्षेत्रों में विवरणों के पुनर्निर्माण में।

परिणाम

• पैरामीटर अनुमान: EVK4 HD कैमरा पर Noise2Params का उपयोग करते हुए, लेखकों ने $B \approx 0.15$, $\alpha \approx 4.5$, और लीकेज टर्म $\theta(\lambda)$ के लिए विशिष्ट गुणांक निर्धारित किए।
• मॉडल सटीकता: सटीक पॉइसॉन और सैडल-पॉइंट वितरणों ने पूर्ण तीव्रता सीमा में मापे गए शोर-इवेंट संभाव्यता के साथ मजबूत मात्रात्मक सहमति दिखाई। गॉसियन सन्निकटन केवल मध्यम-से-उच्च तीव्रताओं पर अच्छा तालमेल दिखाता था और कम-प्रकाश की स्थितियों में इवेंट संभाव्यता को व्यवस्थित रूप से कम आंकता था।
• S-Curve व्याख्या: मॉडल स्पष्ट करता है कि $B$ केवल S-curve का 50% या 100% संभाव्यता इंटरसेप्ट नहीं है। इसके बजाय, $B$ मुख्य रूप से कर्व्स के क्षैतिज स्थान (horizontal placement) को प्रभावित करता है, जबकि $\theta$ और $\alpha$ आकार और रिक्ति (spacing) को प्रभावित करते हैं।
• डीप लर्निंग सत्यापन: एक मिश्रित डेटासेट (सैडल-पॉइंट सिंथेटिक डेटा + प्रयोगात्मक डेटा) पर प्रशिक्षित CNN ने अधिकांश छवि समानता मेट्रिक्स (जैसे PSNR, SSIM, LPIPS) में केवल प्रयोगात्मक डेटा पर प्रशिक्षित CNN की तुलना में बेहतर प्रदर्शन किया। यह वास्तविक प्रशिक्षण डेटा उत्पन्न करने के लिए संभाव्यता मॉडल की व्यावहारिक उपयोगिता की पुष्टि करता है।

महत्व और दावे
यह पेपर दावा करता है कि यह EC अंशांकन और शोर-जागरूक एल्गोरिदम डिजाइन के लिए एक मात्रात्मक आधार प्रदान करता है। मॉडल को अनुभवजन्य कर्व फिटिंग के बजाय फोटॉन सांख्यिकी के प्रथम सिद्धांतों पर आधारित करके, यह ढांचा स्वाभाविक रूप से फोटॉन-सीमित शासन (जैसे कम-प्रकाश माइक्रोस्कोपी, खगोल विज्ञान) तक विस्तृत होता है जहाँ व्यक्तिगत इवेंट्स का एक अर्थपूर्ण भार होता है। लेखक तर्क देते हैं कि Noise2Params, मौजूदा पैरामीटर अनुमान विधियों के लिए एक कठोर, सुलभ विकल्प प्रदान करता है, जिससे विशिष्ट लक्ष्यों के बिना प्रति-पिक्सेल अंशांकन मानचित्र और डिवाइस स्क्रीनिंग संभव होती है। यह कार्य सुझाव देता है कि फोटॉन-सांख्यिकीय संरचना को पहचानने योग्य मापदंडों में बदलने से ECs को विशिष्टता-संचालित सेटिंग्स के साथ संचालित किया जा सकता है और ह्यूरिस्टिक थ्रेशोल्ड के बजाय मॉडल-आधारित अनुमान के माध्यम से विश्लेषण किया जा सकता है। लेखक भविष्य के निहितार्थों के संबंध में विनम्र हैं, यह नोट करते हुए कि जबकि वर्तमान मॉडल प्रथम-क्रम के व्यवहार को पकड़ता है, भविष्य के कार्य में अधिक जटिल $\theta(\lambda)$ मॉडल, प्रति-पिक्सेल पैरामीटर अनुमान, और तापमान जैसे पर्यावरणीय कारक शामिल हो सकते हैं।