イベントカメラは、低遅延、高い時間分解能、広いダイナミックレンジといった特性により、高速運動や厳しい照明条件下での視覚オドメトリに適している。Deep Event Visual Odometry（DEVO）は、スパースパッチ追跡、学習されたパッチ選択、リカレント対応精緻化、微分可能バンドル調整を組み合わせることで、単眼イベントのみのオドメトリが高い性能を達成できることを示した。
本研究では、DEVOのコアなオドメトリ定式化を変更するのではなく、スパース点群エクスポートパイプラインを追加する拡張を行った。このアプローチは、DEVOが既に推定している内部の3D構造を明示的な点群表現に変換し、可視化やさらなる処理を可能にする。さらに、データのエクスポート、フォーマット変換、点群クリーニングを含む実用的なワークフローも実装した。その結果、元の視覚オドメトリパイプラインを維持しつつ、スパースな幾何学的シーン出力を可能にするシステムが実現した。
BOARD SLOWシーケンスでの実験では、エクスポートされたスパース点群がEMVS（Event-based Multi-View Stereo）再構成と局所的に一致し、5cmの閾値で高い精度を達成することが確認された。一方で、この手法には予想される限界もある。点群の密度や完全性は限られており、累積したオドメトリノイズに対する感度も課題として浮き彫りになった。これらの知見は、今後の改善の方向性を示すものである。
本論文はロボティクス（cs.RO）およびコンピュータビジョンとパターン認識（cs.CV）の分野に属し、9ページ、図4点、表5点で構成されている。2026年5月21日に投稿され、著者はAlireza Safdari Khosroshahi氏ほか1名である。DOIは10.48550/arXiv.2605.22890で、arXivから全文を入手できる。この研究は、イベントカメラを用いた視覚オドメトリの実用化に向けた軽量な点群出力手法を提供し、ロボットナビゲーションや3D再構成への応用が期待される。