千葉大学大学院融合理工学府博士前期課程の真鍋悠一郎氏（研究当時）、同大大学院情報学研究院の久保尋之准教授、早稲田大学理工学術院の森島繁生教授、一橋大学大学院ソーシャル・データサイエンス研究科の谷田川達也准教授らの研究チームは、明るさの変化をマイクロ秒レベルで捉える次世代センサ「イベントカメラ」の撮像機序を忠実に再現し、コンピュータ・グラフィックスで作られた動的な三次元シーン内を模擬的に撮像できる技術を開発しました。

この手法は、任意の時間における明るさを物理的に忠実に計算し、イベントの発生時刻を効率よく絞り込む新たなシミュレーション技術です。実機の入手や大規模なデータ収集が困難なイベントカメラを対象とした研究開発の加速や、自動運転・ロボットなどに向けたAIの学習用データ生成への貢献が期待されています。

開発の背景と計算コストの課題

私たちが普段使うデジタルカメラは、フレームと呼ばれる静止画を一定の時間間隔で撮影します。一方、生物の網膜の仕組みにヒントを得たイベントカメラは、明るさに変化が生じた際に各画素で独立して検出します。これにより、マイクロ秒レベルの高い時間分解能や低消費電力、広いダイナミックレンジを実現できます。

この特性から、高速で動く物体の追跡や三次元計測、自動運転などへの応用が期待されています。しかし、マイクロ秒レベルの時間分解能を再現しようとすると、同じ1秒間の映像に対して何十万枚もの画像を計算する必要があり、膨大な計算コストが大きな課題となっていました。

研究チームは、フレーム画像を介さずに光の経路を物理的に追跡する「パストレーシング」を用いて、任意画素における任意時刻の明るさを直接計算し、イベント発生時刻を精密に割り出す技術を開発しました。

計算を効率化するため、時間区間を半分に分割して明るさの変化を探索する「二分法」と、明るさの変化が統計的にどの程度起こりそうかを早期に見定める「統計的仮説検定」を組み合わせています。これにより、不要な計算を削減しながら高い時間分解能のイベント列を素早く検出することが可能になりました。

実験では、フレーム画像を基にする既存のシミュレータに比べて高品質なイベントデータを生成できることが確認されました。さらに、統計的仮説検定による計算の打ち切りとGPU向けの最適化を併用することで、二分法のみを用いる場合と比較して計算時間を約3分の1に短縮できることを示しました。

今後の展望

研究チームは、実機がなくても多様な条件のイベントデータをコンピュータ内で生成できるようになることで、データ不足に悩むイベントカメラ研究の裾野を広げることができると期待を示しています。

論文情報と研究支援

本研究成果は、2026年９月17日に国際学術誌「IEEE Transactions on Visualization and Computer Graphics」にてオンライン公開されました。

• タイトル：Path-Tracing-Based Event Camera Simulation via Event-Adaptive Time Refinement
• 著者：Yuichiro Manabe, Tatsuya Yatagawa, Shigeo Morishima, Hiroyuki Kubo
• 雑誌名：IEEE Transactions on Visualization and Computer Graphics
• DOI：10.1109/TVCG.2026.3726999

研究支援：

• 日本学術振興会（JSPS） 科研費（JP24K02953、JP25K21810）
• 科学技術振興機構（JST） 創発的研究支援事業（JPMJFR206I）

本記事は千葉大学、早稲田大学、一橋大学の研究チームの発表をもとに作成しました。

Dellows News編集部

ビジネスパーソンの課題解決と納得感にこだわるDellows News編集部。キャリア論からAI、健康法まで幅広い分野に対応し、複雑なテーマでも平易な言葉で丁寧に解説。読者が「明日から使える」知識やヒントを得られるよう、具体的な事例・データ・専門家の見解を交えて執筆。情報を整理し、納得感ある記事づくりを心がけています。