事象カメラ（Event Camera, EC）は、高いダイナミックレンジと低遅延という特性から注目を集めているが、正確で統一的なモデルが存在しないため、キャリブレーションやアルゴリズム設計が困難であった。arXivに最近掲載された論文では、光子統計に基づく基礎的な確率モデルを提案し、静的シーンにおけるノイズ事象とステップ応答曲線（Sカーブ）を単一の分析フレームワークで統一的に記述することに成功した。
この研究の核心は、事象カメラのノイズ事象とSカーブという一見異なる振る舞いの間に内在する関係を明らかにした点にある。Sカーブは一般に輝度変化に対する事象カメラの応答を表すが、その解釈はこれまで曖昧であった。新モデルは、Sカーブの解釈が単純な固定確率閾値の選択よりも微妙であることを示している。すべての強度領域をカバーするため、著者らは確率分布の3つの定式化を導出した。すなわち、厳密ポアソン分布、鞍点近似、ガウス近似である。
この確率モデルに基づき、研究チームはNoise2Paramsと呼ぶ手法を提案した。これは、対数コントラスト閾値B、ルクスから光子への変換係数α、漏れ項θ（強度依存であることが判明）というカメラ固有の3つのパラメータを、観測されたノイズ事象分布との誤差最小化によって決定するものである。従来の専用動的光源を必要とする手法とは異なり、Noise2Paramsは静的で均一なシーンの記録だけで済むため、実験的に容易に実装できる。
モデルの妥当性を検証するため、著者らは確率分布から生成した合成ノイズ画像で畳み込みニューラルネットワーク（CNN）を訓練し、実験データから静的シーンを再構成する能力を評価した。その結果、合成データを組み合わせて訓練したCNNは、実験データのみで訓練したモデルよりも優れた性能を示した。これは、提案モデルが事象カメラのキャリブレーション、ノイズを考慮したアルゴリズム設計、光子制限領域での応用に定量的な基礎を提供することを裏付けている。
論文の筆頭著者はOwen Rootで、他に2名の共著者がいる。本論文は29ページ、18図の主論文と、22ページ、15図の補足情報からなる。計算機ビジョンとパターン認識（cs.CV）に分類され、光学（physics.optics）との学際領域に位置する。2026年5月4日に投稿され、arXivで公開されている。この研究は、事象カメラのキャリブレーションとアルゴリズム設計に統一的な確率フレームワークを提供し、低光量などの光子制限環境での応用を促進する可能性がある。