すべての人に一次情報を
SPARK 2026 ベンチマークで評価された2つのイベントカメラシステムは、姿勢推定で互いに異なる性能を示しました。
直接回帰系は、翻訳と回転を同時に推定し、全体のエラーが1.0436と小さく、100 %のカバレッジを達成しました。ただし、回転誤差は0.9101 radであり、モジュラー系よりも22.7 %わずかに悪いです。
モジュラー系は、HRNetで2‑Dキー点を検出し、CycleGAN＋DANNで適応、EPnP＋RANSACで姿勢を取得し、EKFで滑らかにします。この手順により翻訳誤差が0.0285 mへと減少し、約78.7 %改善しましたが、回転誤差は1.1767 radと大きく、総合スコアは1.2052でした。
| System | Configuration | Cov. | ER↓ | ET↓ | EP↓ |
|---|---|---|---|---|---|
| Published SPADES baselines [28] | |||||
| Direct | MobileNet-V3-L [12], no adapt. | 73.32% | 1.4160 | 0.0513 | 1.4673 |
| Modular | HigherHRNet [7] + BPnP [6], no adapt. | 17.27% | 1.3785 | 0.0334 | 1.4119 |
| Independently developed SPARK submissions | |||||
| Modular | HRNet, no adaptation | All | 1.9137 | 0.0412 | 1.9549 |
| Modular | Submitted full system | All | 1.1767 | 0.0285 | 1.2052 |
| Direct | Submitted full system | All | 0.9101 | 0.1335 | 1.0436 |
比較すると、直接回帰は回転の精度を上げ、モジュラーは位置の精度を上げるという、相互補完的な特徴を持つことが分かります。ベンチマークは単位の無い翻訳誤差とラジアン単位の回転誤差を足し合わせているため、評価は回転誤差に重み付けされます。このため、直接回帰がリーダーボードを独占しているものの、実際の性能は状況に応じて選択すべきであると結論付けられます。
これらの結果は、回転推定を直接実行しつつ、幾何学的制約を組み合わせた翻訳推定を行うハイブリッド設計の有用性を示唆しています。
本研究は、モデル設計や適応手法の個別要素ではなく、総合スコアの構成要素に注目することで、異なるタスクに対する最適なアプローチを選択できることを示しました。