Apr, 2018

面向事件相机的统一对比度最大化框架，应用于运动、深度和光流估计

HTML
PDF
TL;DR提出了一种基于事件相机的框架来解决运动、深度和光流估计等计算机视觉问题，通过最大化图像平面上与事件数据最佳对齐的点轨迹对比度的目标函数来隐式处理事件数据的关联，进而精确地恢复出运动参数，并且产生了具有高动态范围的运动校正的类边缘图像，可用于更进一步的场景分析。
发现论文，激发创造
  • 仅需关注：基于事件的视觉损失函数

    本文提出了22种目标函数及分类法以分析运动补偿方法中的事件对齐，其中的焦点损失函数利用了传统聚焦应用中的函数与成熟的计算机视觉工具有了联系，这些函数可用于多种任务，包括旋转运动、深度和光流估计。

    Apr, 2019

  • 基于事件的运动估计的全局最优对比度最大化

    利用分支定界法提出基于对比度最大化的事件流运动估计算法，将其应用于视频稳定和姿态估计等实际应用中，获得全局优化解决方案，且具有较高的运算速度和精度。

    Feb, 2020

  • 使用事件相机进行单张图像的光流估计

    该研究探讨了如何利用事件相机和模糊图像进行光流估计，提出了一种基于事件相机和模糊图像的光流估计算法，并通过实验验证了该算法的优越性。

    Apr, 2020

  • E-RAFT: 来自事件相机的稠密光流

    本文提出了一种针对事件相机的全新稠密光流计算方法，通过引入特征相关性与顺序处理的设计思路，相比于现有方案在数据集MVSEC上将终点误差降低了23％，并提出一种新的数据集，更能反映现实场景中物体的运动情况，最终结果的终点误差比之前的方案减少了66%。

    Aug, 2021

  • 序列化、低延迟、事件驱动光流学习的对比最大化控制

    研究了一种基于事件摄像机的光流无监督学习算法，可以用于实现高频推理的低延迟和低功耗的解决方案，并且在多个数据集上得到了验证。

    Mar, 2023

  • IDO-VFI: 基于光流引导的动态识别用于事件驱动视频帧插值

    本文介绍了利用事件相机和基于事件的光流估计算法结合的方法，来提高视频插帧的准确度和效率。

    May, 2023

  • 重新审视基于事件的视频帧插值

    利用动态视觉传感器或事件相机进行视频帧插值，结合RGB信息的事件引导光流细化策略和分阶段的中间帧合成策略，可以获得比先前的视频帧插值方法更可靠和更真实的中间帧结果。

    Jul, 2023

  • 稠密连续时间运动估计的运动先验对比度最大化

    本研究提出了一种新的自监督损失方法，将对比最大化框架与非线性运动先验相结合，形成像素级轨迹，并提出了一种有效的解决非线性轨迹和事件之间的高维赋值问题的方法。在两个场景中证明了其有效性：在密集连续时间运动估计中，我们的方法在实际数据集EVIMO2上提高了合成训练模型的零样本性能29%。在光流估计中，我们的方法将简单的UNet提升到在DSEC光流基准测试中达到了最先进的性能。

    Jul, 2024

  • 通过特征相似性匹配统一事件驱动的光流、立体和深度估计

    本研究针对事件相机在光流估计、立体匹配和深度估计中的任务分散问题，提出了一种名为EventMatch的统一框架，将这些任务重新表述为事件驱动的密集对应匹配问题。实验结果表明，该模型在光流和视差估计任务中表现优异，具有跨任务转移能力，能够同时处理多种视觉任务而无需重新训练。

    Jul, 2024

  • 基于边缘信息的对比最大化在事件驱动视觉中的秘密

    本研究解决了事件相机捕捉动态边缘时图像空间结构模糊的挑战。我们提出了一种新颖的混合方法，将对比最大化从单模态扩展到双模态，通过相关性目标优化事件，结合多尺度和多参考技术，显著提高了图像的清晰度，并在多个数据集上实现了新的事件光流基准。

    Sep, 2024