本文提出了一种使用循环网络从事件流中直接学习重建图像的方法,并在此基础上扩展到从事件流合成彩色图像的方法,实验证明该网络在处理高速现象和挑战性照明条件下具有较好的图像质量和高动态范围重建,并作为事件数据的中间表示进行了分类和视觉惯性积分导航等应用。
Jun, 2019
本文提出了一种基于连续时间表征的事件相机视觉惯性导航融合方法,并证明了该方法在准确性和适用性上优于当前最先进的事件相机视觉导航方法。
Feb, 2017
本文提出了一种基于事件相机的高动态范围视频重建方法,该方法包括模糊去除、时间插值、异步 Kalman 滤波等步骤,可以较好地处理 HDR 视频,实验结果验证了本方法的优越性。
Dec, 2020
该论文介绍了一种利用事件相机和标准相机的互补性来实现低延迟跟踪视觉特征的方法,通过提取标准相机的特征和利用事件相机的低延迟更新,该方法能够在各种场景下产生比现有技术更准确、更长的特征跟踪。
Jul, 2018
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
本文提出了基于事件相机的条件生成式对抗网络,可以从时间数据流中的可调节部分生成图像 / 视频,并展示了在极端光照条件下生成高动态范围 (HDR) 图像的效用以及快速运动条件下生成非模糊图像的可能性和非常高的帧速率。
Nov, 2018
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
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
该研究提出一种基于事件流的端到端神经网络,能够从低空间分辨率的事件摄像头中重建出高分辨率,高动态范围的图像,优于现有同类算法,可通过使用主动传感像素框架或迭代重建图像方法进一步扩展。
Dec, 2019
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