Nov, 2022

重新考虑基于颜色事件的跟踪：一种统一的网络、数据集和度量方法

PDF
TL;DR本文提出了一种名为 CEUTrack 的单阶段骨干网络，该网络通过 Transformer 骨干网络实现了特征提取、融合、匹配和互动学习等功能，用于对基于颜色和事件的物体进行跟踪。此外，我们还提出了一个大规模基准数据集 COESOT，并提出了一种新的评估指标 BOC。
dynamic vision sensorscolor-event unified trackingtransformer backbone networkcoesotboc
发现论文，激发创造
  • 基于事件流的视觉目标跟踪：一个高分辨率基准数据集和一种新的基线模型

    通过多模态跟踪和知识蒸馏方法，在高分辨率事件信号下实现了高速低延迟的视觉跟踪的研究。

    Sep, 2023

  • 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

  • CRSOT: 使用非对准帧和事件相机进行跨分辨率目标跟踪

    使用不对齐的神经形态和可见光相机进行目标跟踪，提出了一种新的跟踪框架，能够通过提取 RGB 和 Event 数据的特征，并利用不确定性感知模块和融合模块实现高性能的跟踪。

    Jan, 2024

  • CED: 基于颜色事件相机的数据集

    本文介绍和发布了第一个彩色事件相机数据集 (CED)，包含了 50 分钟的室内和室外场景，同时介绍了颜色事件的仿真、基于三种现有的图像重建方法的事件重建，以及作为视觉应用的连续 HDR 彩色视频相机的可视化。

    Apr, 2019

  • 注意分心事件追踪

    提出了一种引入了变压器模块的具有抗干扰能力的事件驱动跟踪器，在两个大型事件跟踪数据集上验证了其在准确性和效率方面优于现有的最先进跟踪器。

    Oct, 2023

  • 通过帧与事件流的协作实现可靠的物体跟踪

    本文提出了一个大规模的可见事件跟踪基准测试（VisEvent），由 820 个视频对组成，其中包含以低照度、高速和背景杂波为特点的数据集，将事件流转换为事件图像，并构建了 30 多种基线算法和一个简单但有效的跨模态转换器，以实现可见数据和事件数据之间的更有效特征融合。实验结果验证了模型的有效性。

    Aug, 2021

  • 基于事件的移动物体检测与跟踪

    本文提出了一种基于动态视觉传感器的异步相机的新颖跟踪算法，该算法可以在极低光和噪声条件下，无需任何外部传感器，且无需任何特征跟踪或显式光流计算即可检测和跟踪不同移动对象。

    Mar, 2018

  • 基于事件相机的自适应时域方法用于四足机器人动态运动跟踪的视觉里程计

    本文提出了一种直接使用事件和 RGB-D 数据相结合的稀疏视觉里程法，用于估计活泼的四足机器人在动态运动和杂技行为中的姿态。

    May, 2023

  • 长期框架 - 事件视觉跟踪：基准数据集和基线

    提出了一个新的长期和大规模帧事件单目标跟踪数据集（FELT），该数据集包含 742 个视频和 1,594,474 个 RGB 帧和事件流对，已成为迄今为止最大的帧事件跟踪数据集。通过引入现代 Hopfield 层到多头自注意力块中的联想记忆 Transformer 网络来融合 RGB 和事件数据，验证了模型的有效性。

    Mar, 2024

  • EV-SegNet：事件相机的语义分割

    本研究介绍了一种基于深度学习的事件相机语义分割方法，具有比基于灰度图的方法更好的性能，同时提出了一种新的事件相机数据表示方法，并描述了如何利用自动生成的近似语义分割标签对 DDD17 数据集进行训练，从而应对数据集标签不足的问题。

    Nov, 2018