Jul, 2018

在捕食者 - 猎物机器人追逐中使用 DAVIS 事件摄像机的 PRED18 数据集和进一步实验

PDF
TL;DR本文介绍了第一次在捕食 / 逃离场景中，将 CNN 与 DAVIS 相结合构建用于机器人视觉的闭环系统，并通过离线训练和在线计算，实现了对猎物运动轨迹的识别定位。
machine visionconvolutional neural networksroboticsdynamic and active pixel vision sensorclosed-loop system
发现论文，激发创造
  • 使用混合框架 / 事件驱动卷积神经网络来操纵捕食机器人

    描述了在掠食者 / 猎物情境下，应用卷积神经网络 (CNN) 的情形。该网络以动态和主动像素传感器 (DAVIS) 上的数据为基础，由常规图像帧和动态视觉传感器帧驱动，并根据场景活动的采样率生成四个输出。实验结果表明，该网络在机器人实时接收到方向指示时能够得出高达 87％或 92％的精度。

    Jun, 2016

  • 高分辨率事件相机行人检测

    本文研究使用事件相机结合深度学习进行行人检测任务，并比较了不同处理方法的效果，结果表明事件相机是解决现有问题的潜在技术。

    May, 2023

  • DDD17: DAVIS 自动驾驶端到端数据集

    研究使用事件相机与主动像素传感器流进行端到端自动驾驶学习，提供了一种解决当前图像获取技术限制的方法，并使用卷积神经网络训练，该研究还提供了第一个标注的 DAVIS 驾驶记录开放数据集 DDD17。

    Nov, 2017

  • EDeNN: 用于低延迟视觉的事件衰减神经网络

    利用事件相机的异步像素来开发新型神经网络在角速度回归和光流估计方面表现出最先进的性能。

    Sep, 2022

  • 事件相机数据集和模拟器：用于姿态估计、视觉里程计和 SLAM 的基于事件的数据

    介绍了 Dynamic and Active-pixel Vision sensor（简称 DAVIS）的特点及其在机器人技术和计算机视觉方面的潜在应用，同时公开了一组 DAVIS 数据集，旨在激发研究人员对于高速和高动态范围机器人技术和计算机视觉应用新算法的研究。

    Oct, 2016

  • 基于事件视频流的预测性时间注意力用于高效节能的情境感知

    基于人脑中的预测编码模型和期望抑制现象，我们提出了一种时间注意机制，通过控制相机的输出使其仅在无法很好预测的情况下注意到视觉事件，从而不仅减少了传感器 - 处理器接口的能耗，而且通过过滤噪声事件有效地减少了计算工作量，我们证明了这种预测注意机制可将相机和处理器之间的数据通信量减少 46.7％，处理器上的计算活动减少 43.8％。

    Feb, 2024

  • 使用异步 “事件” 进行运动估计更好

    该论文介绍了一种基于神经网络的异步处理 Event-based Camera 事件流的方法，利用前一时刻的动态信息和灰度帧的关键特征，提取事件中的动态信息，相较现有同类研究结果表现优异。

    Apr, 2019

  • 降低事件相机的模拟到现实差距

    本文介绍了一种用于提高事件基于 CNNs 的训练数据的策略，可为视频重建网络和光流网络带来 20-40％的性能提升，并提出了一种新的高质量数据集 HQF 以解决事件基于视频重建缺乏质量地真实图像的问题。

    Mar, 2020

  • V2CE: 视频到连续事件模拟器

    利用 Dynamic Vision Sensor（DVS）从多个角度进行视频到事件流转换的新方法，并通过严格的验证证明了其当前为最先进技术。

    Sep, 2023

  • 在神经形态摔倒检测和动作识别数据集上评估传统视觉模型

    提出针对神经形态感知相机的人体动作识别和跌倒检测数据集，使用先进视觉模型 Fine-tuned 的方法，各模型准确度分别为：DVS-MViT（0.958），DVS-C2D（0.916），DVS-R2+1D（0.875）和 DVS-SlowFast（0.833）。

    Jan, 2022