Cet article propose une nouvelle méthode d'estimation et de débruitage simultanés du mouvement, prenant en compte les caractéristiques de bruit des caméras événementielles. Contrairement aux méthodes existantes qui traitent séquentiellement le débruitage et l'estimation du mouvement, notre méthode estime simultanément différents types de mouvement (par exemple, mouvement propre, flux optique, etc.) et le bruit. Basée sur le cadre de maximisation du contraste, notre méthode peut être facilement remplacée par d'autres estimateurs de mouvement (par exemple, les réseaux de neurones profonds). Les résultats expérimentaux obtenus sur les benchmarks E-MLB et DND21 démontrent des performances de pointe, démontrant son efficacité tant pour l'estimation du mouvement que pour la reconstruction de l'intensité. Nous étendons notre approche à des applications pratiques de débruitage grâce à du code open source.
